發(fā)布時間：2020-12-26 01:48

　　文本挖掘是實現(xiàn)知識發(fā)現(xiàn)、自然語言處理最為關鍵的一步.文本挖掘與一般數(shù)據(jù)挖掘的本質(zhì)的區(qū)別在于,文本的數(shù)據(jù)形式是半結(jié)構(gòu)化的,因之對文本數(shù)據(jù)進行挖掘的首要任務是文本數(shù)據(jù)的結(jié)構(gòu)化表示.然而,現(xiàn)有的文本表示方法存在語義信息提取不充分、表示模型的維數(shù)很高、模型構(gòu)建復雜度大等問題.從而對文本表示模型進行深入研究并對模型中現(xiàn)有的問題著手改進是十分必要的.圍繞文本挖掘的核心文本表示問題,本文在梳理、歸納現(xiàn)有文本向量表示模型的基礎上,以共現(xiàn)分析理論、長尾理論、布爾運算法則為支撐,對文本向量表示模型中的幾個核心問題展開了較為深入的研究并作出相應改進.本文首先介紹了文本向量表示模型的研究背景,目的,意義及國內(nèi)外研究現(xiàn)狀,并指出文章的主要研究內(nèi)容、研究方法及創(chuàng)新之處.其次是對文本向量表示模型的相關理論研究.對本文的所用到的共現(xiàn)分析理論、長尾理論、布爾代數(shù)運算法則作了介紹;詳細梳理、歸納了文本表示模型的發(fā)展路徑.對發(fā)展過程中的重要關鍵模型構(gòu)建的數(shù)學思想作了對比分析并指出各模型的適用范圍和不足之處,厘清文本向量表示模型的構(gòu)建原理和發(fā)展脈絡;第三,是對文本向量表示模型的關鍵技術的改進研究.針對文本向量表示的新模型-共... 

【文章來源】：山西大學山西省

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【部分圖文】：

特征詞共現(xiàn)關系圖

實驗基本流程圖

圖 4.2 GCLSVSM 聚類山丘圖圖可以看出山丘圖的峰是比較明顯的，這表明 GCLSVSM 可以對,故下面分別用詞袋模型、CLSVSM 和本文所提出的 GCLSVSM 三新聞數(shù)據(jù)進行50次聚類實驗并記錄其熵值和純度，用Excel表計算


本文編號：2938799