【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
【机 构】
:
中国科学技术大学电子工程与信息科学系,中国科学院研究生院信息安全国家重点实验室
【基金项目】
:
国家863研究计划(2006AA01Z454)项目资助
论文部分内容阅读
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.
其他文献
目的探讨冠心病患者凝血功能与心血管意外的相关性。方法选取本院2014年3月~2015年3月收治的冠心病患者64例作为研究对象,所有患者均实施冠状动脉造影检查,观察患者心血管凝血
引风机是锅炉的主要辅机之一,它是机组安全和经济运行的关键设备。目前,各种风机在国内300MW机组及以上工程中,已有运行业绩和丰富的运行及检修经验,但又因机组的不同而有一
天津地毯中国地毯已有3000多年的历史,素以精良的技艺和独特的艺术风格享誉全球。天津地毯,又是中国地毯的佼佼者,以厚密牢固、图案瑰丽、剪片浮雕、水洗丝光、规格齐全五大特点而闻
回顾了多孔硅的研究历史、制备方法、形成机理以及发光机理的研究现状,同时对多孔硅的发展作了展望.
目的探讨神经类型与手纹的关系,拓宽手纹和神经类型的研究思路。方法随机选择782例在校大、中学生,采用手纹拓取法和80.8神经类型测量表进行手纹和神经类型的测定。结果神经
负债经营是现代企业运行最重要的特征之一,但它同时也给企业带来了风险.如何对其进行分析并作出定量描述,就成为一个重要问题.当企业总资本预期报酬率大于市场利率时,负债经
目的:研究氟比洛芬压敏胶分散型贴剂在家兔体内的药动学。方法:12只家兔分为氟比洛芬巴布膏组与氟比洛芬压敏胶分散型贴剂组,给药后不同时间取血,用HPLC测定血药浓度,用3P97
目的评价小儿百日咳护理工作中优质护理干预的方案和价值,为儿科护理工作提供参考。方法选择儿科收治的80例小儿百日咳患者,随机分为各40例的接受优质护理的实验组、常规护理
<正>许久之前就看过这部纪录片,去年得知《我在故宫修文物》电影上映,兴致勃勃想去观看,谁料这部电影排片少得可怜。碍于场次都和工作时间相冲突,只得悻悻作罢。彼时心里就在
<正> 数据处理是由于经济管理方面的需要,在六十年代中期开始,如雨后春笋,迅速发展,从企业管理、行政管理发展到社会各行各业,甚至到了家庭。它对计算机工业、信息产业的形成