基于支持向量機的一體化分詞聚類研究.pdf

1、本文研究的目的是建立一個統一的分詞，聚類，語義空間模型。我們使用了面向對象的方法，有利于本系統的結構的升級和修改。
　　 本文主要的工作由三部分組成：分詞，聚類，使用分詞、聚類的結果建立語義空間。分詞，聚類統一使用統計學習的方法進行處理。
　　 分詞技術是進行高級自然語言理解，檢索，等工作的前提。本文通過統計學習理論，著重研究在小樣本情況下的統計規(guī)律及學習方法性質。它為機器學習問題建立了一個較好的理論框架，也應用發(fā)展了一

2、種新的通用學習算法：支持向量機(SVM)。本文從支持向量機理論、方法和應用結合的角度出發(fā)，研究了支持向量機在中文分詞中的應用。
　　 然后對于分詞結果建立倒排索引的同時，進行詞聚類。這同樣也使用到了支持向量機。對于分詞時用到的統計信息可以在聚類時繼續(xù)使用，降低了程序的代價。這是一種提高效率的方法。
　　 最后，研究了語義空間建立的問題，使用分詞，聚類的結果，使用PLSI方法建立語義空間矩陣，對文章進行淺層次的理解。