2023年全國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67頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、在文本挖掘領(lǐng)域,主題模型受到越來越高的關(guān)注。生成的主題作為數(shù)據(jù)的隱含表述,獲得了富含語義且低維的特征。但是現(xiàn)階段主題模型構(gòu)建方法所生成主題的質(zhì)量卻不盡如人意,因此如何提升主題質(zhì)量這一問題得到了許多研究者的關(guān)注。
  本文針對主題質(zhì)量這一問題,提出了一系列對主題進行過濾優(yōu)化的方法,包括:在語料庫預(yù)處理中引入詞性分析這一概念,只保留文檔中有用的名詞和動詞,利用主題語義一致性評價主題質(zhì)量并設(shè)定閾值,對噪聲主題進行過濾;針對主題中的詞匯進

2、行主題詞判定,對主題中的噪聲詞匯進行過濾。通過文本分類來驗證所提方法的有效性。文章主要工作包括以下兩個方面:
  主題的過濾方法。要想得到較好的主題過濾效果,就需要一個精確的主題質(zhì)量評價指標。傳統(tǒng)的主題一致性只是根據(jù)當前語料庫來對主題質(zhì)量進行判定,沒有利用外部語料庫來對其進行語義調(diào)整。本文利用一個外部語料庫(Wikipedia2014)生成詞向量,根據(jù)詞向量來計算兩個單詞的語義相似度,再與主題一致性中的同文檔詞頻矩陣相結(jié)合,實現(xiàn)外

3、部語料庫對主題一致性的指導(dǎo)作用,從而更加精確地對主題質(zhì)量進行評價,再通過設(shè)定閾值來過濾噪聲主題,以提高主題模型的質(zhì)量。
  主題的優(yōu)化方法。本文利用主題詞判定方法來對主題進行優(yōu)化,認定在當前語料庫中頻繁出現(xiàn)而在一般英語中不常出現(xiàn)的詞匯是主題詞。排除非主題詞,可減少噪聲詞匯的影響。此外,還利用WordNet這一語義層級結(jié)構(gòu)詞典來計算單詞間的關(guān)聯(lián)度,進而確定主題中的詞匯是否在語義層次方面有關(guān)聯(lián),以對主題進行二次優(yōu)化,提高文本分類效果。

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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論