2023年全國(guó)碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩60頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、Blog是一種流行的個(gè)人媒體。它承載了大量有價(jià)值的信息,并且在互聯(lián)網(wǎng)中的地位越來越重要,已經(jīng)成為人們?nèi)粘I詈凸ぷ髦胁豢苫蛉钡囊徊糠?。然而由于blog與傳統(tǒng)的網(wǎng)頁的信息特點(diǎn)有很大的不同,如何對(duì)blog中的信息進(jìn)行針對(duì)性的檢索和更深層次的挖掘利用,已經(jīng)成為當(dāng)前互聯(lián)網(wǎng)應(yīng)用研究中的一個(gè)熱點(diǎn)。
  本文對(duì)blog的內(nèi)容的主題提取方法進(jìn)行了研究,目標(biāo)是提取出blog所討論的每個(gè)主題,其中每個(gè)主題以一個(gè)詞語來表示。每個(gè)blog可能能夠提取出多

2、個(gè)主題,每個(gè)主題也可以作為該blog的類別標(biāo)記。
  本文在對(duì)blog中的標(biāo)簽特點(diǎn)進(jìn)行深入的分析之后,發(fā)現(xiàn)這些標(biāo)簽詞與post內(nèi)容有很高的相關(guān)度,但是由于其隨意性、靈活性等特征,使得直接將它們當(dāng)作主題詞很困難。為了克服這個(gè)問題,本文先提出了一種基于標(biāo)簽的blog頻度特征選擇方法,并結(jié)合向量空間模型來表示post文本。然后提出了一個(gè)基于層次聚類的標(biāo)簽分類樹的構(gòu)造算法,這個(gè)算法通過遞歸地對(duì)標(biāo)簽進(jìn)行層次聚類和主題泛化,能夠發(fā)現(xiàn)blog中

3、標(biāo)簽之間在語義上的層次關(guān)系,并將這種關(guān)系以樹形結(jié)構(gòu)來表示,形成一棵標(biāo)簽分類樹。
  在構(gòu)造出標(biāo)簽分類樹之后,本文又提出了一個(gè)利用這棵標(biāo)簽分類樹來提取blog主題的算法,通過綜合考慮blog標(biāo)簽和內(nèi)容中的少數(shù)特征詞在標(biāo)簽樹中的位置,就能提取出blog的一個(gè)或多個(gè)主題。通過理論分析和實(shí)驗(yàn)證明,以上算法具有比較低的復(fù)雜度,尤其是主題提取算法只有常數(shù)的時(shí)間復(fù)雜度,結(jié)果也具有比較高的準(zhǔn)確度。
  基于以上的研究成果,本文設(shè)計(jì)并實(shí)現(xiàn)了一

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論