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77頁未讀, 繼續(xù)免費(fèi)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(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、目前,網(wǎng)絡(luò)已成為人們不斷獲取各種信息、交流互動的首要平臺。隨著網(wǎng)絡(luò)的不斷發(fā)展與普及,類似于評論形式的Web短文本也已充斥在網(wǎng)絡(luò)環(huán)境中,這些Web短文本包含著人們對新聞信息、網(wǎng)絡(luò)購物等各種對象的看法與觀點(diǎn),是挖掘大眾觀點(diǎn)最方便、全面的渠道。而Web短文本一般都是大量出現(xiàn),具有雜亂無章、褒貶不一且隨意性較強(qiáng)等特點(diǎn),想要從這些海量的Web短文本中挖掘信息就要涉及到文本聚類技術(shù)。由于傳統(tǒng)的文本聚類方法僅僅適用于普通長文本,并不能根據(jù)Web短文本

2、的特點(diǎn)進(jìn)行有效聚類,因此想處理Web短文本的聚類,就需要對現(xiàn)有的聚類計算方法進(jìn)行改進(jìn)。
  本文根據(jù)Web短文本的特點(diǎn)從傳統(tǒng)的K-means聚類算法入手,在云計算環(huán)境下結(jié)合Bootstrapping算法,提出一種基于K-means算法的Web短文本聚類方法,具體內(nèi)容如下:
  (1)描述了國內(nèi)外的文本聚類發(fā)展現(xiàn)狀與發(fā)展趨勢,引出研究Web短文本聚類存在的必要性。闡述了文本聚類中的相關(guān)技術(shù),探討目前抽取文本特征項的方法,介紹B

3、ootstrapping算法優(yōu)點(diǎn),提出通過Bootstrapping算法提取網(wǎng)絡(luò)信息中文本特征項的方法。深入探討文本特征項表示的方法,將常用的TFIDF權(quán)重計算公式進(jìn)行改進(jìn),用改進(jìn)后的公式對Web短文本進(jìn)行權(quán)重標(biāo)記,更能突出文本特征。研究經(jīng)典的K-means聚類算法,針對K-means算法在處理Web短文本時的不足之處,提出了一種基于K-means算法的Web短文本聚類方法。
 ?。?)介紹云計算的優(yōu)點(diǎn),闡述本文方法在Hadoop

4、平臺下運(yùn)行的主要思想及優(yōu)勢,并通過實(shí)驗(yàn)驗(yàn)證了本文方法的高準(zhǔn)確度與高效率。
  本文主要創(chuàng)新點(diǎn):
  (1)運(yùn)用Bootstrapping算法提取網(wǎng)絡(luò)信息中的文本特征項,避免了人工選擇屬性詞的局限性,使得選取出的屬性短語更全面、更具有代表性。
 ?。?)對標(biāo)記特征項文本的TFIDF公式進(jìn)行改進(jìn),改進(jìn)后的公式可根據(jù)Web短文本的特點(diǎn)對聚類文本進(jìn)行權(quán)重計算,突出文本特征,從而提高聚類結(jié)果的精確度。
  (3)針對Web

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。

評論

0/150

提交評論