基于文本集密度的特征选择与权重计算方案

在信息检索的向量空间模型中 ,文本被形式化表示为由词语权重组成的向量。因此如何让这种向量尽量准确的有效的表示出文本内容一直是该模型中的基础性问题。在这篇论文中 ,我们提出了一种基于文本集密度的特征词选择与权重计算方案的方法。它是一种使用词对文本集密度的贡献衡量该词的价值的方法。使用这种方法 ,我们能找出不损失文本有效信息的最小特征词语集 ,并且创造出更为合理权重计算方案。在文中还用了一种新的衡量权重好坏的标准———元打分法 。

基于文本集密度的社交媒体软件内容推荐系统设计研究

针对传统的推荐系统中由于人工分配推荐内容权重导致的推荐内容单一的问题,提出基于文本集密度的社交媒体软件内容推荐系统设计研究。在硬件设计上,以FPGA作为系统硬件加速的核心,通过PCIE接口将其与服务器相连接,将FPGA的指令缓冲区作为控制数据访问和计算单元使用;在软件设计上,以空间文本信息作为对象,采用密度聚类的方式检索空间文本内容,生成推荐内容结果集,提前训练用户主题,根据用户ID实时向用户推荐内容。至此,系统设计完成。实验结果表明,设计的基于文本集密度的社交媒体软件内容推荐系统中与关键词实体相似的实体集概率高,推荐内容权重分配合理,能够向用户提供内容丰富的社交媒体相关信息。

基于AMTW算法的文本特征词权值计算

提出了一种基于文本集密度的特征词选择与权值计算的方法AMTW (ApproachofModifyingTermWeighting) .该方法可以找出不损失文本有效信息的最小特征词语集 ,设计出更为合理权值计算方案 .

一种新的用于文本分类的特征选择算法

目前在文本分类领域较常用到的特征选择算法中,仅仅考虑了特征与类别之间的关联性,而对特征与特征之间的关联性没有予以足够的重视。在特征相关性分析的基础上,提出了一种新的算法,改进了特征选择算法中所出现的上述问题。实验验证了算法的可行性和有效性。