中文網(wǎng)頁分類特征提取算法探討.pdf_第1頁
已閱讀1頁，還剩77頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、Internet的迅猛發(fā)展使得網(wǎng)頁分類技術的應用越來越廣。這種技術通過將web網(wǎng)頁進行分類、組織和檢索，達到有效組織處理海量網(wǎng)頁的目的，它是主題搜索、個性化信息檢索、搜索引擎的目錄導航以及信息過濾等領域的核心技術。
　　 網(wǎng)頁提供的特征通常多達數(shù)萬個，直接基于這數(shù)萬個變量的建模難度相當大，這就使得特征提取成為網(wǎng)頁分類的一個關鍵步驟。但是，傳統(tǒng)特征提取方法存在兩個明顯的不足：其一，傳統(tǒng)的MI度量方法過分傾向于低頻詞和小樣本類別，降

2、低了抽取出的特征的代表性。其二，傳統(tǒng)的特征選擇方法只是簡單地按特征度量的分值依次選取具有最大分值的特征，忽略了特征的組合對類別的偏向程度，導致單個特征較優(yōu)，但組合起來卻未必最優(yōu)，從而降低了分類器的性能。
　　 本文的主要創(chuàng)新之處在于，在MI(互信息)度量的基礎上提出一種新的度量-MIDN特征度量(定義見4.2.2節(jié))，并提出兩種新的特征選擇方法：BBS_S(BiasBalanced Selection by Score)和BBS

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