【摘 要】
：
文本分类是文本挖掘中最重要的研究内容之一.为了克服目前以距离衡量的近似分类算法在海量数据下耗费大量时间的缺陷,提出了结合基于余弦距离的局部敏感哈希的方式将KNN算法
【机 构】
：
华中师范大学计算机学院,测绘遥感信息工程国家重点实验室
【基金项目】
：
武汉市政府资助项目(基于网格的社区宜居环境分析研究)
论文部分内容阅读
文本分类是文本挖掘中最重要的研究内容之一.为了克服目前以距离衡量的近似分类算法在海量数据下耗费大量时间的缺陷,提出了结合基于余弦距离的局部敏感哈希的方式将KNN算法在TF-IDF下对中文文本进行快速分类.同时结合文本数据的特性给出了不同的哈希函数级联方式分别进行实验.在实验过程采用了布尔向量的方式规避重复访问,使分类的结果在可以允许的范围内,分类速度比原始KNN提高了许多.
其他文献
<正>1驼奶联合国粮农组织称,驼奶富含维生素、不饱和脂肪酸、乳铁蛋白、免疫球蛋白以及含量较高的胰岛素等多种有益于人体健康的营养成分,目前主要研究其在降糖、杀菌、抑菌
思维导图是托尼·博赞于20世纪60年代提出的一种思维工具,其核心思想就是把形象思维与抽象思维很好地结合起来。作为一种学习策略,在小学英语教学中思维导图可以增强学生思维
<正> 皮肤瘙痒症(一例) 王×,男,58岁,简易病历。初诊日期:1971年9月2日。主诉:全身皮肤瘙痒1年余。现病史:1年来全身皮肤瘙痒,搔后皮肤发红,不起风团,影响入睡,痒甚时用玉米
近年来,丙烯酸及其酯的衍生物得到迅猛发展,广泛应用于各行各业。但因为丙烯酸生产过程中会产生大量高浓度有机废液,丙烯酸市场的蓬勃发展也给环境带来了许多挑战。这类废液
目的:观察遗传性压迫易感性神经病(hereditary neuropathy with liability to pressure palsies,HNPP)的临床、电生理、病理及遗传学特点,以提高对本病的认识及诊断水平。方
<正> 在现代中国文学史上,闻一多无疑是继郭沫若之后诗坛上的一位奇峰突起的爱国新诗人。关于这位诗人在诗歌创作上的杰出成就,他对我国早期新诗运动的贡献,拙作《闻一多是唯
医疗设备是医院医疗、教学、科研的必备条件,随着人类不断探索生命科学和技术,促使医疗设备更加精细化和智能化。医疗设备的创新和广泛运用是当前医院医疗技术发展的重要支柱
国有企业的财务报表审计时为了加强对国有企业运营的监管,规划国有企业的运营行为,维持国有企业经营的正常秩序,保护国有企业的财产和权益。而国有企业的财务报表审计就是对
国有资产监管目的是促使国有企业资本有效运营,规范国有企业经营秩序,确保国有资产及其权益不受侵犯。对企业财务报表进行审计是监管的手段之一。本文分析了国有企业财务报表
大熊猫(Ailuropoda melanoleuca)作为旗舰物种,在野生动物保护中具有独特的地位和作用。第三次大熊猫调查后,大熊猫种群生存状态的研究和监测已成为该物种的焦点问题。然而,