国家科技期刊平台

相关度

相关度
发表时间

每页显示10条

每页显示10条
每页显示20条
每页显示30条

已找到 35 条结果

结合粗糙集与集成学习的中文文本分类方法研究北大核心CSCDCSTPCD
作者：张翔周明全董丽丽闫清波
发表期刊：计算机应用与软件 2011年1期
关键词：中文文本分类粗糙集集成学习AdaBoost.M1
摘要：介绍中文文本分类的流程及相关技术.在分析传统的文本特征选择不足的基础上,提出了基于粗糙集与集成学习结合的文本分类方法,通过粗糙集进行文本的特征选择,采用一种集成学习算法AdaBoost.M1来提高弱分类器的分类性能,对中文文本进行分类.实验证明,这种算法分类结果的F1值比C4.5、kNN分类器都高,具有更加优良的分类性能.
Bagging算法在中文文本分类中的应用北大核心CSCDCSTPCD
作者：张翔周明全耿国华侯凡
发表期刊：计算机工程与应用 2009年5期
关键词：Attribute Bagging Bagging中文文本分类k-近邻
摘要：Bagging算法是目前一种流行的集成学习算法,采用一种改进的Bagging算法Attribute Bagging作为分类算法,通过属性重取样获取多个训练集,以kNN为弱分类器设计一种中文文本分类器.实验结果表明Attribute Bagging算法较Bagging算法有更好的分类精度.
一种新的中文文本分类算法——One Class SVM-KNN算法CSTPCD
作者：刘文吴陈
发表期刊：计算机技术与发展 2012年5期
关键词：中文文本分类支持向量机K-近邻One Class SVM-KNN
摘要：中文文本分类在数据库及搜索引擎中得到广泛的应用,K-近邻(KNN)算法是常用于中文文本分类中的分类方法,但K-近邻在分类过程中需要存储所有的训练样本,并且直到待测样本需要分类时才建立分类,而且还存在类倾斜现象以及存储和计算的开销大等缺陷.单类SVM对只有一类的分类问题具有很好的效果,但不适用于多类分类问题,因此针对KNN存在的缺陷及单类SVM的特点提出One Class SVM-KNN算法,并给出了算法的定义及详细分析.通过实验…查看全部>>
中文文本分类中的文本表示因素比较北大核心CSCDCSTPCD
作者：张爱华荆继武向继
发表期刊：中国科学院研究生院学报 2009年3期
关键词：中文文本分类文本表示向量化
摘要：研究了中文文本分类中的文本表示方法,提出了对中文文本表示因素的分析框架,并通过对3个数据集实验结果的分析,确定了各种文本表示因素对分类效果的影响.直接使用汉字进行划分也可以获得较好的分类效果;简单的不使用很大词库的分词和使用大词库的分词,以及复杂的分词对分类效果影响不大;仅使用01表示特征是否出现也可以获得比较好的分类效果;采用综合了合理的向量取值(如使用合适的归一化算法)可以较大幅度地提高分类准确率等.这些结论为后续的应用提供了指导原则.
中文评教文本分类模型的研究CSTPCD
作者：谭征孙红霞王立宏潘庆先
发表期刊：烟台大学学报（自然科学与工程版） 2012年2期
关键词：中文文本分类支持向量机潜在语义分析
摘要：用文本分类的方法找出中文评教信息的情感倾向,使学生主观评价里蕴含的信息得到有效利用,是对现有评教系统的必要补充.采用基于潜在语义分析的方法对文本向量降维,并用支持向量机的分类方法对目标文本进行分类,得到每一条主观评价的情感倾向.分析了特征选择、特征抽取方法、降维维数、词性、训练集合与测试集合样本的比例等几方面对分类的影响,找到了较好的中文评教文本分类模型.
新型快速中文文本分类器的设计与实现北大核心CSCDCSTPCD
作者：陈艳秋熊耀华
发表期刊：计算机工程与应用 2009年22期
关键词：中文文本分类特征选择特征权重分类算法
摘要：为了提高中文文本分类的效率与精度,设计了一种新型的分类器.该分类器采用基于词频、互信息和类别信息的综合评估函数进行选择特征;在特征权重计算上,由于传统TF-IDF方法没有考虑特征类间和类内分布,提出了一种将词频和综合评估函数值相结合的权重计算方法;最后设计了一种基于贝叶斯原理的快速分类器.实验证明该分类器简单有效.
面向中文文本分类的C4.5Bagging算法研究北大核心CSCDCSTPCD
作者：张翔周明全耿国华侯凡
发表期刊：计算机工程与应用 2009年26期
关键词：Bagging算法C4.5算法中文文本分类
摘要：对于中文文本分类问题,提出一种新的Bagging方法.这一方法以决策树C4.5算法为弱分类器,通过实例重取样获取多个训练集,将其结果按照投票规则进行合成,最终得到分类结果.实验证明,这种算法的准确率、查全率、F1值比C4.5、kNN和朴素贝叶斯分类器都高,具有更加优良的性能.
三种中文文本自动分类算法的比较和研究CSTPCD
作者：陈琳王箭
发表期刊：计算机与现代化 2012年2期
关键词：中文文本分类SVMBayesKNN
摘要：网络信息规模随着互联网与信息技术的发展而不断增大,在这些信息中,各种类型的文本信息占据了相当大的比重.因此,高效、快速地对文本信息进行分类是网络信息处理中一个关键问题.本文分析比较了SVM算法、朴素Bayes算法和KNN算法3种算法,并通过实验证明了这3种算法在中文文本分类中的效果.实验结果表明:SVM算法比KNN算法和朴素Bayes算法更优,SVM算法是一种较好的中文文本分类算法.
基于CNN-SVM的护理不良事件文本分类研究北大核心CSCDCSTPCD
作者：葛晓伟李凯霞程铭
发表期刊：计算机工程与科学 2020年1期
关键词：中文文本分类护理不良事件CNN-SVM
摘要：针对当前医院护理不良事件上报的内容多为非结构化文本数据,缺乏合理明确的分类,人工分析难度大、人为因素多、存在漏报瞒报、人为降低事件级别等问题,提出一种基于字符卷积神经网络CNN与支持向量机SVM的中文护理不良事件文本分类模型.该模型通过构建字符级文本词汇表对文本进行向量化,利用CNN对文本进行抽象的特征提取,并用SVM分类器实现中文文本分类.与传统基于TF-IDF的SVM、随机森林等多组分类模型进行对比实验,来验证该模型在中文护理不良…查看全部>>
基于网页结构与链接关系的中文文本分类方法
作者：郭晓蒋宗礼
发表期刊：现代电子技术 2010年22期
关键词：中文文本分类HTML结构链接关系向量空间模型
摘要：提出一种通过综合考虑网页的HTML结构信息以及网页间的链接关系,修改网页文本在向量空间模型表示中的权值,对网页进行分类的方法.考虑到页面里处在不同HTML标记下的内容具有不同的语义含义,某些特殊标记下的内容具有较重要的意义,对网页的分类起较大的作用,因此对不同标记下的内容赋以不同的权值,可以提高分类效果.考虑到页面正文中链接指向的页面内容与原网页相关度较高,通过综合考虑这些页面的内容,可以有效加强类别关键词的权值,减少噪声,提高…查看全部>>

12 3 4 >