计算机科学与技术学院_第1页
计算机科学与技术学院_第2页
计算机科学与技术学院_第3页
计算机科学与技术学院_第4页
计算机科学与技术学院_第5页
已阅读5页，还剩10页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、中文文本分类，中文文本分类专题，苏州大学计算机科学与技术学院，什么是文本分类？在给定的分类模型下，让计算机根据文本内容自动判断文本分类的过程是一个从数学角度来看的映射过程。将未指定的文本映射到现有类别可以是一对一或一对多。根据不同的需要，每个文档必须属于一个类别，多类别分类，一个文档可以属于多个类别，不能属于任何类别。文本分类、以文档为中心的分类、以文档为中心的文本分类、给定文档、遍历所有类别、判断其所属类别、以类别为中心的文本分类假设某个类别，并找出给定文档集中属于该类别的文档子集、中文文本分类系统、自动分词特征选择和文本提取计算模型文本识别算法、中文文本分类系统结构图、开发文本分类、 可行

2、性研究阶段1958-1964实验研究阶段1965-1974实用阶段1975-现在的汉语开始于20世纪80年代，在自动分词的停止词中，对文本特征的选择、去除格式标记的预处理和去除词频统计的词性标记。 文本特征选择的目的是提高分类效率，降低计算复杂度，去除没有分类信息和信息较少的词。一个特征条目在文档中出现的次数越多，它与文档对应的主题就越相关。特征词出现在交叉文档中，其对类别区分的影响较小。重量用来表达一个词的效果。文本分类方法(1)，Rocchio方法相似度方法为每种类型的文本集生成中心向量，确定文本向量，计算文本向量与每种类型文本集的中心向量之间的相似度，并取相似度的最大值。文本分类方法(2

3、)，贝叶斯方法计算文本属于某一类别的概率。具体步骤：计算特征词属于每个类别的概率向量，并根据切割后的特征词，计算文本属于不同类别的概率，比较计算出的概率，确定类别。文本分类方法(3)，KNN方法K最近邻法从每个文本的名义平面上的一个点选择几个中心点，计算每个点与它们之间的距离小于指定的K值，然后为它们的邻居将文档分成许多类别，并不断地校正每个类别的中心点的特征：初始效果差，但后来越来越好。文本分类方法(4)和(5)，SVM支持向量机决策树方法，选择阈值，文本分类被归类为数学计算，这通常计算一个小于指定阈值的值，那么如何确定这个类的阈值？平均法CSV阈值法平衡阈值法固定阈值法每种方法各有优缺点，并根据不同的需要选择和使用评价方法，正确文

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论