人工免疫网络记忆分类器网络文本分类研究

论文在人工免疫记忆分类器用于解决数据分类的基础上,提出将该分类器用于解决文本分类的方法。与两种基于免疫原理的文本分类方法和传统的贝叶斯分类器进行了比较研究。结果表明该分类器在标准文本样本集合上的性能好于其他三种分类器,在小样本分类上具有一定优势。

基于人工免疫系统的网络文本分类研究

在简单介绍自然免疫系统功能和特性的基础上,依据生物免疫系统免疫记忆特性,提出一种人工免疫网络记忆分类器。实验证明,该分类器能够快速准确地对文本进行分类。

基于短语的网络文本挖掘分类的再探讨

网络文本分类的进一步改进除了算法方面,应该还立足于影响网络文本分类最底层、网络文本分类是数据挖掘的重要课题,根据对具有主题的大量网络文本的分析,论述了网络文本分类的较详细的情况。

浅谈网络文本挖掘分类

由于以因特网为主体的信息高速公路的不断普及和发展,一方面,因特网上蕴涵的海量信息远远超过人们的想象;另一方面,面对信息的汪洋大海,于是一个极富挑战性的课题:如何帮助人们有效地选择和利用所感兴趣的信息,尽量剔除不好的信息,同时保证人们在信息选择方面的个人隐私权利,成为学术界和企业界所关注的焦点。

网络文本自动分类系统的研究与设计

近年来 ,随着 Internet的飞速发展 ,人们可以突破地域的限制 ,方便地共享信息资源。但如何从大量信息中迅速有效地提取出所需信息却成了一个难题 ,信息的自动分类是解决此类难题的有效方法。本文从网络文本自动分类的需求出发 ,探讨分类系统的一些主要特征及优化算法 。

煤矿安全风险分析的文本数据模型与集成分析平台

在煤矿安全领域,事故的预防至关重要。为了对煤矿开采风险进行深入分析,提出了一种基于文本数据的煤矿安全事故智能分析模型及集成分析平台。首先,采用融合数据增强技术的卷积神经网络文本分类(Text-Convolutional Neural Network,Text-CNN)方法构建煤矿安全事故分析模型,对大量非结构化事故文本进行精准的分类筛选;然后,利用自然语言处理(Natural Language Processing,NLP)技术建立煤矿事故简报集成分析系统,通过该系统对煤矿事故报告进行事故统计分析、风险分析等,总结出不同地区煤矿事故的死亡情况与类型差异,明确了煤矿安全事故之间的潜在模式。研究表明,通过集合事故简报分析模型的集成分析平台可以实现对煤矿安全事故信息的获取再利用,分析事故潜在规律和风险大小,有助于提升煤矿的风险管理水平,提高事故预防能力。

基于随机词汇迭代模型的POI分类检索

从特征选择、局部区域划分和词汇语义相似性计算入手,利用随机词汇迭代模型(random terms iterative model,RTIM)进行海量兴趣点(point of interest,POI)文本分类。通过词汇频度、集中度和离散度方法筛选出特征词汇;依据文本与各POI类别间的相似度进行局部区域划分;在每个局部区域内基于词汇在文本中的排列顺序构建词频向量,基于词频向量中词频的随机删除和重构,获取特征映射矩阵;通过特征映射矩阵将文本转为特征向量,并采用SVM分类器进行POI文本分类。实验证明,该方法有效提升了POI文本分类准确性和覆盖率。

地理要素分类机器学习方法发展与前景

地理要素一般包括自然和人文两类对象。日益增加的遥感大数据和泛在的社交媒体数据为这两类对象的要素分类提供了丰富的数据源。基于遥感影像分类为主的自然要素提取和基于网络文本和社交媒体的人文要素提取,是当前地理要素分类的两大主流。前者以图像处理技术为支撑,后者则以自然语言处理技术为核心。随着机器学习等人工智能分类方法的介入,两类要素分类呈现越来越多的共性相通特点。本文以机器学习方法的演变历程为媒介,剖析了其在自然地理要素遥感影像分类和人文社会要素网络文本分类方面的异同。以遥感单一对象、复合对象分类和微博社交媒体话题分类提取为实例,指出二者在机器学习分类方法上具有相通性。遥感大数据和网络文本大数据分类方法的相互借鉴能够促进自然与人文地理要素的智能分类应用。