已閱讀1頁，還剩54頁未讀， 繼續(xù)免費閱讀
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、二十一世紀是信息化時代，全球信息量每天均呈指數(shù)增長，日益膨脹的信息，使我們正處于“資源豐富，知識匱乏”的尷尬境地。如何快速、準確地從海量信息中獲取我們所需內(nèi)容已成為焦點。正是在這樣的背景之下，基于人工智能的文本分類技術(shù)應(yīng)運而生。文本分類是指在給定分類體系的情況下，根據(jù)文本內(nèi)容自動確定其所屬類別的過程。從數(shù)學(xué)角度來看，文本分類是一個映射過程，它將未標明類別的文本映射到已有的類別中。 本文對文本分類的關(guān)鍵技術(shù)及典型分類方法進行了研究
2、，提出基于詞向量空間模型的文本分類方法。本文主要工作如下。 首先，概述了文本分類的歷史背景、研究現(xiàn)狀、基本概念及流程。 討論了分詞、文本表示、權(quán)重計算、特征選擇等關(guān)鍵技術(shù)。分析了K-最近鄰居、樸素貝葉斯、支持向量機、神經(jīng)網(wǎng)絡(luò)等經(jīng)典分類方法的原理及算法。 針對支持向量機分類精度最高，但速度最慢，樸素貝葉斯分類速度最快，但精度最差，K-最近鄰居分類精度尚可，但分類速度較慢的特點，本文根據(jù)漢語常用詞數(shù)量有限性原理，提出
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(zé)。
- 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。
最新文檔
- 并行分類算法及其在文本分類中的應(yīng)用.pdf
- SVM在文本分類中的應(yīng)用.pdf
- 流形學(xué)習(xí)及其在文本分類中的應(yīng)用.pdf
- KNN算法的改進及其在文本分類中的應(yīng)用.pdf
- 自然鄰在文本分類中的應(yīng)用.pdf
- 子空間分類集成及其在文本分類中的應(yīng)用研究.pdf
- 支持向量機研究及其在文本分類中的應(yīng)用.pdf
- 文本分類在短信過濾中的應(yīng)用.pdf
- 稀疏表示編碼模型及其在文本分類中的應(yīng)用.pdf
- 支持向量機分類方法及其在文本分類中的應(yīng)用研究.pdf
- 分層式文本分類及其在新聞推薦系統(tǒng)中的應(yīng)用.pdf
- 局部線性嵌入在文本分類中的應(yīng)用.pdf
- 文本分類技術(shù)在短信過濾中的應(yīng)用.pdf
- 詞間語義關(guān)系的研究及其在文本分類中的應(yīng)用.pdf
- 加權(quán)K-近鄰研究及其在文本分類中的應(yīng)用.pdf
- 網(wǎng)頁文本分類及其在搜索引擎中的應(yīng)用.pdf
- K-近鄰、K-均值及其在文本分類中的應(yīng)用.pdf
- 云模型在文本分類中的應(yīng)用研究.pdf
- 模糊理論在文本分類中的應(yīng)用研究.pdf
- 遷移學(xué)習(xí)在文本分類中的應(yīng)用研究.pdf
評論
0/150
提交評論