期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进K-means算法的时间和地点识别
被引量:
1
1
作者
张鹏
廖涛
《电脑知识与技术》
2017年第12X期182-184,共3页
事件要素识别主要包括时间要素和地点要素的识别。目前,时间和地点要素的识别主要是利用机器学习的方法,但是基于机器学习的方法容易受到语料稀疏性的影响。提出了基于改进K-means算法的时间和地点识别。该方法主要是对K-means算法进行...
事件要素识别主要包括时间要素和地点要素的识别。目前,时间和地点要素的识别主要是利用机器学习的方法,但是基于机器学习的方法容易受到语料稀疏性的影响。提出了基于改进K-means算法的时间和地点识别。该方法主要是对K-means算法进行改进,先利用Canopy算法求出聚类的K值,再根据改进的算法进行聚类分析,最后利用词性进行优化处理,并得到实验结果。
展开更多
关键词
事件要素识别
Canopy算法
K-MEANS算法
词性优化
下载PDF
职称材料
题名
基于改进K-means算法的时间和地点识别
被引量:
1
1
作者
张鹏
廖涛
机构
安徽理工大学计算机科学与工程学院
出处
《电脑知识与技术》
2017年第12X期182-184,共3页
基金
安徽省高校优秀青年人才支持计划项目(gxyq2017007)
安徽省高等学校自然科学研究重点项目(KJ2016A202)资助
文摘
事件要素识别主要包括时间要素和地点要素的识别。目前,时间和地点要素的识别主要是利用机器学习的方法,但是基于机器学习的方法容易受到语料稀疏性的影响。提出了基于改进K-means算法的时间和地点识别。该方法主要是对K-means算法进行改进,先利用Canopy算法求出聚类的K值,再根据改进的算法进行聚类分析,最后利用词性进行优化处理,并得到实验结果。
关键词
事件要素识别
Canopy算法
K-MEANS算法
词性优化
Keywords
Event element recognition
Canopy algorithm
K-means algorithm
Part of speech optimization
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进K-means算法的时间和地点识别
张鹏
廖涛
《电脑知识与技术》
2017
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部