基于無(wú)指導(dǎo)的詞聚類及在文本聚類中應(yīng)用的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩62頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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、詞的分類問(wèn)題是語(yǔ)言學(xué)和自然語(yǔ)言處理中十分重要的研究問(wèn)題。由一些語(yǔ)義相近的詞組成的詞類(或詞聚簇)可以看成是紛繁的個(gè)別詞現(xiàn)象到語(yǔ)言的一般概念的映射,而這些概念是更加本質(zhì)的,更具有一般性和穩(wěn)定性。目前,詞分類的主要方法包括兩類:一類是基于語(yǔ)言學(xué)家的主觀判斷,通過(guò)語(yǔ)言學(xué)家手工地構(gòu)造出分類詞典,給出每個(gè)詞的同義詞或近義詞;另一類是基于機(jī)器的自動(dòng)聚類。本文研究的主要內(nèi)容就是基于無(wú)指導(dǎo)的漢語(yǔ)詞聚類及其相關(guān)應(yīng)用?;跓o(wú)指導(dǎo)的詞聚類是通過(guò)在大規(guī)模的語(yǔ)料

2、庫(kù)中統(tǒng)計(jì)詞的上下文信息,并利用傳統(tǒng)的聚類算法最終實(shí)現(xiàn)詞的自動(dòng)聚類。 傳統(tǒng)的聚類算法主要分為層次聚類和劃分聚類兩種方法。劃分聚類算法是一種局部最優(yōu)算法,初始點(diǎn)選擇的好壞嚴(yán)重影響聚類性能。因此,本文在詞聚類這一具體任務(wù)中,利用詞在文本類別中的分布提出了一種新的初始點(diǎn)選取方法,實(shí)驗(yàn)結(jié)果顯示其有效地改善了劃分法詞聚類系統(tǒng)的性能;層次聚類算法的主要不足是聚類過(guò)程中已做的處理不能被撤銷(xiāo),類之間也不能交換對(duì)象,一旦一組對(duì)象被合并或者分裂,而后

3、進(jìn)行的處理將在新生成的類上進(jìn)行。因此,類間距離計(jì)算的準(zhǔn)確程度是影響層次聚類性能改善的最重要因素。本文提出了一種新的用于計(jì)算類間距離方法K-LinK。該方法通過(guò)有效地利用類的形狀、密度等重要信息提高類間距離的準(zhǔn)確性,由此改善層次聚類算法的性能。 本文通過(guò)對(duì)實(shí)驗(yàn)結(jié)果的分析,討論了上下文窗口大小對(duì)詞聚類結(jié)果的影響;討論了特征選擇、權(quán)重計(jì)算對(duì)聚類結(jié)果的影響;討論了相似度計(jì)算方法、聚類算法對(duì)性能的影響。在此基礎(chǔ)上確定了聚類過(guò)程中的相關(guān)參數(shù)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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