基于語義分析的文本挖掘研究.pdf_第1頁
已閱讀1頁,還剩59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

文檔簡介

1、隨著信息技術的不斷發(fā)展,以電子形式存儲的文本開始泛濫,很多人們需要的信息往往被大量的垃圾信息所淹沒,如何自動地從這些文本中挖掘出有用的信息將成為一個重要的課題。中文作為使用最多的語言之一,其文本挖掘就非常重要。文本分類作為文本挖掘中的一個重要分支,其步驟為:訓練樣本的選取、文本表示、特征提取、構(gòu)造分類器、驗證分類器性能。傳統(tǒng)的文本挖掘方法是一種基于統(tǒng)計的方法,它以詞頻作為分類結(jié)果的主要影響因素,而不考慮詞序、詞義等更多的語義信息,在加權(quán)

2、階段采用了無指導的特征加權(quán)方法,沒有充分利用已帶類標簽的訓練數(shù)據(jù)。
   相對于基于統(tǒng)計的文本挖掘方法,基于語義分析的方法能考慮更多的文本信息,從而大大提高文本挖掘的性能。語義分析主要集中在特征提取這個處理步驟中,采用詞典這種基于外部語義知識的方法對文本挖掘有著很大的幫助。為此提出了一種基于語義分析的特征提取方法以及針對加權(quán)步驟提出了一種改進的有指導的加權(quán)方法:
   1.基于《同義詞語林》的文本特征提?。?br>  

3、 基于《同義詞語林》的文本特征提取是一種基于語義分析的文本處理方法。中文的語料庫相對較少且雜亂,能夠拿來研究使用的也只有《同義詞詞林》,并且在此基礎上也沒有一個系統(tǒng)的文本分類方法。針對以上問題,提出一個完整的基于語義的文本處理方法,該方法利用了《同義詞語林》編碼的特性,對文本分別作了多義詞消歧、同義詞替換和搭配詞組合的處理。
   2.改進的有指導的特征加權(quán)方法:
   傳統(tǒng)無指導的加權(quán)方法并沒有充分利用分類數(shù)據(jù)的特性,

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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