

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、隨著Internet的迅速發(fā)展,網(wǎng)絡(luò)中每天將產(chǎn)生海量的文本數(shù)據(jù),如何從這些海量文本數(shù)據(jù)中挖掘有用的信息成為當(dāng)今研究的熱點(diǎn)。文本分類是數(shù)據(jù)挖掘技術(shù)的重要組成部分,為海量文本信息高效存儲(chǔ)和挖掘提供了便利,因此研究具有重要的價(jià)值和意義。
首先,在研究一般的文本分類模型基礎(chǔ)之上,針對(duì)當(dāng)前文本分類器在訓(xùn)練文本集較少的情況下容易出現(xiàn)過擬合現(xiàn)象,給出了一種基于形式概念分析的文本分類模型。該模型通過離散化文本的屬性特征,構(gòu)成形式背景,構(gòu)建概念
2、格,并把概念格中每個(gè)概念提取的分類規(guī)則作為文本分類的規(guī)則。
其次,針對(duì)概念格分類規(guī)則提取的算法,該文給出了一種改進(jìn)的提取分類規(guī)則的算法。該算法將每一條分類規(guī)則中的屬性進(jìn)行權(quán)重的計(jì)算,將提取的分類規(guī)則轉(zhuǎn)換為屬性權(quán)重之和的比較。該算法可以提取更多的分類規(guī)則,可以更好的避免因提取的分類規(guī)則太少而出現(xiàn)無法判別的情況。此外,在預(yù)測(cè)時(shí),通過屬性權(quán)重之和的判定比之前分類規(guī)則的判定更方便,能有效的降低判定時(shí)的空間和時(shí)間復(fù)雜度。
最后
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。
最新文檔
- 基于概念的文本分類研究.pdf
- 基于聚類分析的圖模型文本分類.pdf
- 基于概念與詞根雙特征互助文本分類模型的研究.pdf
- 基于LDA模型的文本分類研究.pdf
- 基于本體的文本分類模型研究.pdf
- 基于混合模型的文本分類的研究.pdf
- 基于概念特征的中文文本分類研究.pdf
- 基于語義概念的中文文本分類研究.pdf
- 基于類別概念的中文文本分類研究.pdf
- 基于張量空間模型的文本分類研究.pdf
- 基于概念空間的文本分類的應(yīng)用研究.pdf
- 基于詞頻統(tǒng)計(jì)的文本分類模型研究.pdf
- 基于聚類分析的文本分類研究.pdf
- 基于主題的文本分類模型研究與應(yīng)用.pdf
- 基于文本分類的信息過濾系統(tǒng)模型研究.pdf
- 基于向量空間模型的文本分類算法研究.pdf
- 基于相關(guān)主題模型的文本分類方法研究.pdf
- 基于深度學(xué)習(xí)混合模型的文本分類研究.pdf
- 基于條件隨機(jī)場(chǎng)模型的文本分類研究.pdf
- 基于形式概念分析的網(wǎng)頁文本匹配研究.pdf
評(píng)論
0/150
提交評(píng)論