|
關(guān)于我們
 書(shū)單推薦 新書(shū)推薦 |
數(shù)字文獻(xiàn)資源高維聚合模型研究 
定 價(jià)：69 元 叢書(shū)名：2016國(guó)家職業(yè)資格培訓(xùn)教程
9 7 3 8 0 7 7 5 8 2 2 0 6 針對(duì)文本挖掘和信息檢索中的文本或文獻(xiàn)聚類與分類等問(wèn)題，學(xué)術(shù)界基于VSM（向量空間模型）主要有兩方面的研究，一者是文獻(xiàn)表示模型的改進(jìn)，二者是算法的改進(jìn)。然而傳統(tǒng)的算法對(duì)高維稀疏的向量聚類存在不足，一些新的算法也不盡完美，更主要的是聚類算法的效果與數(shù)據(jù)本身的特征以及信息提取和表示密切相關(guān)，特別是在信息有限的情況下，聚類算法的優(yōu)勢(shì)也不能得到完美發(fā)揮，相比之下，信息的挖掘、提取和文獻(xiàn)向量表示就尤為重要。在本文僅限于元數(shù)據(jù)甚至只有關(guān)鍵詞的前提下，文獻(xiàn)的表示向量相比一般文本表示就表現(xiàn)得非常稀疏，面對(duì)這種情形聚類算法即使是“巧婦”也“難為無(wú)米之炊”，因此，本書(shū)的重點(diǎn)突破是文獻(xiàn)主題語(yǔ)義信息的提取、度量和文獻(xiàn)高維向量的新表示方法�；谝陨蠁�(wèn)題和現(xiàn)象，本書(shū)以數(shù)字文獻(xiàn)資源為對(duì)象，本著在信息資源聚合中減少對(duì)背景知識(shí)的依賴，便于推廣應(yīng)用的宗旨，提出了基于文獻(xiàn)集本身或者相關(guān)領(lǐng)域的共現(xiàn)信息而實(shí)現(xiàn)文獻(xiàn)聚合的共現(xiàn)潛在語(yǔ)義向量空間模型(CLSVSM）。而且通過(guò)實(shí)驗(yàn)證實(shí)基于CLSVSM的文獻(xiàn)聚類表現(xiàn)比基于VSM和GVSM（廣義向量空間模型）顯著地好。
你還可能感興趣
我要評(píng)論
|
