共查询到10条相似文献,搜索用时 734 毫秒
1.
2.
文本提出了一种基于语义的特征降维方法。通过依存关系抽取实现一次降维;通过计算类别和依存关系特征项的语义相似度,结合互信息方法进行特征选择实现二次降维。对中文文本分类的实验结果表明,提出的特征降维方法具有较好的分类效果。 相似文献
3.
4.
5.
6.
7.
基于特征的意见挖掘中,特征权重计算是一个难点。在对各种权重计算方法深入研究的基础上,提出一种新的权重计算方法以解决该问题。该方法集成了层次分析法和G1法的基本思想,可以有效提高权重计算的准确性。一方面,该方法使用G1法对层次分析法中单层次指标权重计算进行改进,以克服层次分析法中判断矩阵的不一致性带来的问题;另一方面,在单层次指标的层次总权重计算中,提出一个总权重计算通用公式,扩展了层次分析法中层次总权重计算公式,使其更适合一般的应用。 相似文献
8.
9.
基于词频统计思想的传统文本相似度算法,往往只考虑特征项在文本中的权重,而忽视了特征项之间的语义关系.综合考虑了特征项在文本中的重要程度以及特征项之间的语义关系,提出构建文本特征项的加权语义网模型来计算文本之间的相似度,并在模型构建的过程中,对特征项的选取、权值计算做了适当的改进.最后用实验验证了基于加权语义网的文本相似度算法相较于传统的算法,相似度计算的精确度有了进一步的提高. 相似文献