检索结果-内蒙古大学图书馆

西安石油大学学报（自然科学版） 2009年第6期24卷 77-79页

作者：贺兴时杨成成西安工程大学理学院陕西西安710048

基于最大熵模型的文本分类算法对不同测试文档的训练结果相差较大.利用Boosting机制改进基于最大熵模型的分类算法,以提高该分类算法的稳定性.实验结果表明,该改进方法可以有效改善基于最大熵模型分类算法的稳定性,且分类精度也有一定... 详细信息

基于最大熵模型的文本分类算法对不同测试文档的训练结果相差较大.利用Boosting机制改进基于最大熵模型的分类算法,以提高该分类算法的稳定性.实验结果表明,该改进方法可以有效改善基于最大熵模型分类算法的稳定性,且分类精度也有一定的提高.

关键词：文本分类算法最大熵模型 Boosting算法稳定性

来源：评论

学校读者我要写书评

暂无评论

基于文本分类算法的吉林省农业信息集应用研究

基于文本分类算法的吉林省农业信息集应用研究

引用

作者：于孝铂吉林农业大学

学位级别：硕士

近年来,互联网技术迅猛发展,已经应用在我们日常生活中的各个领域。互联网技术也大量应用在农业领域,农业信息化开始出现在人们的视野中。国家高度重视目前中国农业信息化建设的发展,因此投入了大量人力和物力,许多优秀的研究者投身于... 详细信息

近年来,互联网技术迅猛发展,已经应用在我们日常生活中的各个领域。互联网技术也大量应用在农业领域,农业信息化开始出现在人们的视野中。国家高度重视目前中国农业信息化建设的发展,因此投入了大量人力和物力,许多优秀的研究者投身于农业信息化领域进行研究。在线农业信息以指数增长的形式进入大众的视野中,但是人们不知如何从浩瀚杂乱的数据集中用最快的时间和最方便的方法来获取自己需要的信息数据。按照当前这种情况下来看,选择最优的农业信息文本分类方法来获取相关的农业信息至关重要。通过文本分类算法模型对吉林省农业信息文本数据集进行自动分类操作,可以提高文本分类结果的精确度,减少进行文本分类实验操作的时间,使农业知识信息的利用率大幅提升。主要工作如下:（1）吉林省农业信息文本数据集准备阶段以及吉林省农业信息集文本预处理阶段:首先利用网络爬虫程序爬取吉林省相关栏目下的文档作为农业信息集,然后使用Jieba分词方法对吉林省农业信息文本集进行分词处理。并且通过利用停顿词表,把农业信息文本集中的语气助词,标点符号,数字等一系列不能代表文本特征的词汇去除。然后对完成分词处理和去停顿词处理的文本集进行降维操作,最后将文本进行文本向量化表示。（2）吉林省农业信息文本集分类操作实现过程:利用文本分类算法对通过预处理技术生成的向量文件进行文本分类实验,研究了机器学习方法中的决策树分类方法和贝叶斯分类算法;深度学习方法中的卷积神经网络分类方法、循环神经网络分类方法和长短期记忆网络分类方法;混合模型中的C-LSTM模型和RCNN模型。通过各个方法建立模型,用建立好的模型对吉林省农业信息集进行文本分类实验操作。对各个分类模型的实验结果进行比较,对比分析各个模型的优点与缺点,发现混合模型进行文本分类实验分类精度是最好的。

关键词：混合模型深度学习机器学习文本分类算法

来源：评论

学校读者我要写书评

暂无评论

基于词嵌入的文本分类算法研究

基于词嵌入的文本分类算法研究

引用

作者：华帅东莞理工学院

学位级别：硕士

文本分类任务在自然语言处理任务中属于重要的基础性研究工作,其为许多语言处理相关任务提供了基础支撑和解决方案。然而,现有的文本分类算法主要存在三个问题需要进一步研究和改进,第一个是如何简化模型从而使得文本分类任务对计算资... 详细信息

文本分类任务在自然语言处理任务中属于重要的基础性研究工作,其为许多语言处理相关任务提供了基础支撑和解决方案。然而,现有的文本分类算法主要存在三个问题需要进一步研究和改进,第一个是如何简化模型从而使得文本分类任务对计算资源的要求更低,第二个是如何有效的构建模型对文本进行表征从而使得模型分类效果进一步提升,第三个是如何有效的从语料库中提取重要信息,学习一个较好的词表征向量从而更好的为下游任务作铺垫。近年来卷积神经网络和图神经网络在对数据的表征和特征提取上表现出了较大优势,但是仅有有限的研究将其应用在文本分类任务上。本文将其应用在文本分类任务中以尝试解决上述问题:(1)针对第一个问题,提出了一种简化的卷积神经网络模型。本文提出通过在数据集上预训练加简化网络结构的方式加快模型的训练速度,在多个不同规模的数据集上与一些基准方法进行了对比,在保持分类效果基本不变的同时训练时间明显减少,从而使得模型对计算资源的要求进一步降低,并且表明了对于文本分类任务而言,简单的网络结构也可以实现较好的分类结果。(2)针对第二个问题,提出了一种层次化的图神经网络模型。本文提出通过对输入的样本进行层次化表征的方法,在文本建模成图时加入层次结构,使得原来对文本建模不足的扁平化的图结构变为递进式的分层图结构,并使用不同的节点聚合方式来合并低水平的图节点形成高水平的图节点特征从而提取了文本中不同水平的语义信息。在多个主流数据集上与基准方法进行了对比,实验结果表明本文的层次化图模型有效提升了文本分类性能,增强了模型提取文本特征的能力。(3)针对第三个问题,提出了基于图注意力网络的词嵌入模型。本文提出通过改变原始的训练任务,将原始的构建词对训练改变为构建虚拟词和下一个词的新的词对训练任务,使得词嵌入模型能够考虑更多的上下文信息,一定程度上解决了原始的词嵌入模型仅考虑语料库中词与词的关系的局限性。此外,使用图注意力网络对已知词序列建模,自适应的为词节点赋予不同的权重从而更好的形成虚拟词的特征向量,将获得的词嵌入向量作为分类算法的输入,在多个数据集上与一些基准方法进行了对比,实验结果表明其可以在较小的语料库上学习到较好的词嵌入向量表示,并且改进后的词嵌入模型产生的向量不仅让分类算法实现了更好的分类效果,同时分类算法在训练时收敛更快,加速了模型训练。

关键词：文本分类算法词嵌入模型图神经网络层次化结构特征提取

来源：评论

学校读者我要写书评

暂无评论

基于维基百科的知识库监督文本分类算法的设计与实现

基于维基百科的知识库监督文本分类算法的设计与实现

引用

作者：张桓北京大学

学位级别：硕士

随着互联网技术及其应用的迅猛发展,网络环境下各类文本信息呈现出爆炸式增长趋势。如何在网络环境下有效实现文本信息的自动分类和归档受到学术界和产业界的广泛关注,并取得了积极进展。传统的文本自动分类方法,通常需要大量人工标注... 详细信息

随着互联网技术及其应用的迅猛发展,网络环境下各类文本信息呈现出爆炸式增长趋势。如何在网络环境下有效实现文本信息的自动分类和归档受到学术界和产业界的广泛关注,并取得了积极进展。传统的文本自动分类方法,通常需要大量人工标注的训练样本,标注成本高、增量维护代价大。探索如何利用现有Web环境下的动态知识库,实现自动化文本分类,具有重要现实意义,同时也面临着技术挑战。　　本文在分析现有文本分类方法的基础上,以维基百科(Wikipedia)为外部知识库,提出了基于话题和概念双层模型的知识库监督文本分类算法,主要研究内容和成果包括:　　(1)以现有Wikipedia知识库和WordNet为基础,提出了一种基于启发式规则的Wikipedia ISA关系识别算法,构建Wikipedia分类体系(Taxonomy)。针对现有Wikipedia知识库中类别结点之间的关系存在大量噪音的不足,以寻找和确认ISA关系为目标,对Wikipedia类别网络中的边进行过滤,构建满足ISA关系的Wikipedia Taxonomy。实验结果表明,该方法有效提高了ISA关系识别算法的准确率和召回率。　　(2)提出了一种基于Wikipedia Taxonomy和随机游走模型相结合的Wikipedia概念分类算法。该方法利用Wikipedia Taxonomy中的ISA关系自顶向下传递结点属于分类标签的评分,并在叶子结点之间进行随机游走,实现对分类评分的平滑。实验结果表明,该方法在分类精度方面优于在Wikipedia类别网络中直接使用随机游走模型的算法。　　(3)提出了基于话题和概念双层模型的Wikipedia知识库监督分类算法。分析了现有两种语义分析模型:潜在狄利克雷分配(LDA)和精确语义分析(ESA)各自的内涵和相互之间的关系,并针对两种语义分析模型进行串联融合,先将文本映射到话题空间,再将话题映射到概念空间,有效减少了精确语义分析模型中的噪音。实验结果表明,该算法不仅在分类精度上优于只使用精确语义分析的分类算法,而且针对话题模型中隐话题的语义解释性问题,做了有益的探索。

关键词：知识库监督文本分类算法维基百科精确语义分析话题模型

来源：评论

学校读者我要写书评

暂无评论

粗糙集理论在文本分类算法中的应用

引用

重庆科技学院学报（自然科学版） 2009年第4期11卷 166-168页

作者：王珍珍枣庄学院枣庄277160

文本分类常采用的算法一般是基于向量比较的分类技术。文本中关键字较多,形成的特征向量维数相当高,因而会导致分类比较处理的运算量太大,而降低维数后又会不可避免地丢失有用信息。将粗糙集理论应用于分类处理过程中可有效地解决此问题。

关键词：文本分类粗糙集约简文本分类算法

来源：评论

学校读者我要写书评

暂无评论

面向网络信息过滤的文本分类算法研究

面向网络信息过滤的文本分类算法研究

引用

2007年全国网络与信息安全技术研讨会

作者：杜阿宁秦宝山哈尔滨工业大学计算机网络与信息安全技术研究中心哈尔滨 150001 国家计算机网络应急技术处理协调中心北京 100029

随着网络技术发展,根据用户兴趣进行网络信息过滤的需求越来越大。网络信息过滤的核心技术是分类算法的应用,即根据专家事先标记的样例建立用户兴趣描述模型,应用模型实现信息过滤。本文主要介绍各种分类算法的核心技术和发展路线,研究... 详细信息

随着网络技术发展,根据用户兴趣进行网络信息过滤的需求越来越大。网络信息过滤的核心技术是分类算法的应用,即根据专家事先标记的样例建立用户兴趣描述模型,应用模型实现信息过滤。本文主要介绍各种分类算法的核心技术和发展路线,研究分类算法整体上的发展脉络,考察不同类型分类算法应用于网络信息过滤上的技术特色与性能比较。

关键词：文本分类算法网络信息过滤描述模型

来源：评论

学校读者我要写书评

暂无评论

面向网络信息过滤的文本分类算法研究

面向网络信息过滤的文本分类算法研究

引用

全国网络与信息安全技术研讨会

作者：杜阿宁秦宝山哈尔滨工业大学计算机网络与信息安全技术研究中心国家计算机网络应急技术处理协调中心

关键词：文本分类算法网络信息过滤综述

来源：评论

学校读者我要写书评

暂无评论

一种基于混合多项分布的文本分类算法

一种基于混合多项分布的文本分类算法

引用

作者：许飞月陶波陈乐焱 510630 广东省广州市天河北路906高科大厦A-701

本发明提供一种基于混合多项分布的文本分类算法，包括以下步骤：S1：输入训练集文本；S2：计算并保存所有文本类别C的概率分布；S3：初始化混合多项分布的参数值θ、πk以及分量个数K；S4：使用当前参数值θ、πk,计算完整数据的对数... 详细信息

标准号: CN108268469A

本发明提供一种基于混合多项分布的文本分类算法，包括以下步骤：S1：输入训练集文本；S2：计算并保存所有文本类别C的概率分布；S3：初始化混合多项分布的参数值θ、π_k以及分量个数K；S4：使用当前参数值θ、π_k,计算完整数据的对数似然函数关于隐藏变量后验概率分布的期望；S5：用EM算法训练混合多项分布的参数值θ、π_k；S6：对不同的所述分量个数K，分别画出模型对测试集和所述训练集的预测误差图线，选择预测误差最小的K值；S7：输出结果。本发明的有益效果在于，本发明将朴素贝叶斯算法结合混合多项分布，用EM算法对混合模型的参数进行估计，以提高模型的分类精度。

关键词：预测误差文本分类算法训练集文本概率分布后验概率混合模型输出结果似然函数算法结合完整数据文本类别贝叶斯测试集初始化训练集图线保存分类期望

来源：评论

学校读者我要写书评

暂无评论

一种基于带标签约束的双向动态路由的文本分类算法

一种基于带标签约束的双向动态路由的文本分类算法

引用

作者：曹杰王有权陈雷郭翔申冬琴 210024 江苏省南京市鼓楼区西康路1号

本发明提供了一种基于带标签约束的双向动态路由的文本分类算法，首先通过自注意力机制和相对位置信息编码，使得语义信息和语序信息融入到同一向量中；然后引入双向动态路由机制，同时考虑底层胶囊到高层胶囊转化多少信息，以及高层胶... 详细信息

标准号: CN113779192A

本发明提供了一种基于带标签约束的双向动态路由的文本分类算法，首先通过自注意力机制和相对位置信息编码，使得语义信息和语序信息融入到同一向量中；然后引入双向动态路由机制，同时考虑底层胶囊到高层胶囊转化多少信息，以及高层胶囊需要底层胶囊的多少信息；最后提出一种标签嵌入约束方法来代替胶囊网络中的模型重构，解决文本胶囊潜在的不合理分布情况；本发明引入了相对位置编码，解决动态路由算法忽视单词语序问题，双向的动态路由算法可兼顾到相同单词在不同类型的文本中的重要性不同的问题；提出的标签嵌入约束方法可以解决文本胶囊潜在的不合理分布的问题。

关键词：胶囊动态路由双向动态标签文本潜在的算法单词嵌入文本分类算法相对位置信息注意力机制路由机制模型重构位置编码语义信息双向的引入高层路由向量融入转化网络

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络与多注意力机制的工单文本分类算法

基于卷积神经网络与多注意力机制的工单文本分类算法

引用

作者：王晓峰周艳范华尉耀稳霍凯龙陈杰翁利国施凌震徐舒妍姜川陶燕增 311201 浙江省杭州市萧山区金城路1227号

本发明提供基于卷积神经网络与多注意力机制的工单文本分类算法，包括训练集获取步骤，文本分词步骤，词向量训练步骤，句子拆分步骤，转换词向量步骤，句子级卷积神经网络步骤；句子级注意力机制步骤；句子级全连接步骤，文档处理步骤... 详细信息

标准号: CN111274386A

本发明提供基于卷积神经网络与多注意力机制的工单文本分类算法，包括训练集获取步骤，文本分词步骤，词向量训练步骤，句子拆分步骤，转换词向量步骤，句子级卷积神经网络步骤；句子级注意力机制步骤；句子级全连接步骤，文档处理步骤，类步骤，包括将步骤S9中获取的文档特征向量进行线性变换，然后用softmax函数产生在类集合C上各个分类的概率。将模型设计成两部分，即句子层级和文档层级。先在句子层级提取句子特征，然后在文档层级提取文档特征用于分类。这样的模型结构既能保证文本全部被输入模型，又能避免模型过于庞大而造成的计算上的浪费。

关键词：句子层级卷积神经网络注意力机制词向量文本分类算法文档特征向量函数产生句子特征模型结构模型设计文本分词文档处理文档特征线性变换训练步骤训练集分类文档集合文本转换概率保证

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：