

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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、近年來,隨著網(wǎng)上電子文檔的數(shù)量以指數(shù)級的速度增長,文本分類技術(shù)在信息檢索、信息過濾以及內(nèi)容管理等各項應(yīng)用中變得越來越重要,已經(jīng)成為信息檢索和機(jī)器學(xué)習(xí)中的前沿研究領(lǐng)域。自動文本分類是指在給定的分類體系下,對未知類別的文檔進(jìn)行自動處理,并根據(jù)文檔特征來判斷其所屬類別的過程;基于機(jī)器學(xué)習(xí)的文本分類技術(shù)已經(jīng)成為主流技術(shù)。本文旨在運(yùn)用偏最小二乘回歸和核偏最小二乘回歸的統(tǒng)計理論,研究一些基于學(xué)習(xí)的文本分類技術(shù)。 在文本分類中,有效的維數(shù)約簡
2、可以提高學(xué)習(xí)任務(wù)的效率和分類性能。特征選擇和特征抽取是維數(shù)約簡常用的兩種方法。特征選擇的優(yōu)點是所選擇的特征都有很好的語義解釋,但在文本分類中效果不夠理想。特征抽取能夠較好地處理多義詞、同義詞問題,但是不能給出降維后所得到特征的語義解釋。為了有效地提取特征所在類別的語義信息,本文提出了基于潛在語義文本分類模型(LatentSemanticClassificationModel:LSC)的特征選擇兩步法:用LSC模型進(jìn)行特征抽取;引入特征變
3、量投影重要性(VariableImportanceinProiection:VIP)指標(biāo)來重新度量各特征的重要性,根據(jù)特征的重要性來進(jìn)行特征選擇。在復(fù)旦中文文本分類語料庫上,實驗表明新方法進(jìn)行選擇特征能很好地表示類別的語義信息,在一些經(jīng)典模型上分類性能有較大提高。 考慮了文本特征和分類信息的LSC模型本質(zhì)上是線性模型。為了提高分類性能,通過引入核函數(shù)提出了一種非線性的文本分類模型:基于核方法的潛在語義文本分類模型(KemelLa
4、tentSemanticClassification:KLSC)。實驗結(jié)果表明該模型也能很好地表示文檔空間的潛在語義結(jié)構(gòu)信息,具有良好的分類性能。 在LSC模型和KLSC模型中都面臨一個關(guān)鍵問題:潛在變量對數(shù)量的確定。兩個模型都是通過閾值£來控制,在中文語料庫上實驗表明隨著維數(shù)的增加,微平均F1值和宏平均F1值對閾值£越來越敏感;在不同特征維數(shù)下,LSC模型所有類別閾值£和潛在變量對數(shù)量呈非線性關(guān)系,而KLSC模型呈線性關(guān)系;我
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 基于VSM的網(wǎng)頁文本分類技術(shù)研究.pdf
- 基于團(tuán)結(jié)構(gòu)的文本分類技術(shù)研究.pdf
- 短文本分類技術(shù)研究.pdf
- 文本分類相關(guān)技術(shù)研究.pdf
- 基于粗糙集的文本分類技術(shù)研究.pdf
- 文本分類特征選取技術(shù)研究.pdf
- 維吾爾文文本分類技術(shù)研究.pdf
- 面向文本分類的文本特征學(xué)習(xí)技術(shù)研究.pdf
- 基于文本分類技術(shù)的漏洞分類.pdf
- 基于向量空間模型的文本分類技術(shù)研究.pdf
- 基于層次分類和集成學(xué)習(xí)的文本分類技術(shù)研究.pdf
- 基于SVM的藏文文本分類技術(shù)研究.pdf
- 基于文本分類的SNS社區(qū)發(fā)布訂閱技術(shù)研究.pdf
- 基于粗糙集的Web文本分類技術(shù)研究.pdf
- 基于潛在語義分析的專利文本分類技術(shù)研究.pdf
- 基于文本分類的反垃圾郵件技術(shù)研究.pdf
- 基于文本分類算法的垃圾短信過濾技術(shù)研究.pdf
- 中文Web文本分類技術(shù)研究.pdf
- 關(guān)聯(lián)文本分類關(guān)鍵技術(shù)研究.pdf
- 文本分類中的關(guān)鍵技術(shù)研究.pdf
評論
0/150
提交評論