基于知识语义权重特征的朴素贝叶斯情感分类算法

针对文档级情感分类的准确率低于普通文本分类的问题,提出一种基于知识语义权重特征的朴素贝叶斯情感分类算法.首先,通过特征选择的方法,对情感词典中的词进行重要度评分并赋予不同权重.然后,基于词典极性的分布信息与文档情感分类的相关性,将情感词的语义权重特征融合到朴素贝叶斯分类中,实现了新算法.在标准中文数据集上的实验结果表明,提出的算法在准确率、召回率和F1测度值上都优于已有的一些算法.

具有特征语义权重的数据聚类方法

针对聚类中的特征选择问题,提出一种基于特征语义权重的数据聚类方法。该方法由用户指定必需的特征集,通过计算特征之间的语义相关度,选择和指定特征集相关的特征集作为补充。利用语义相关度确定各个特征的语义权重,在特征语义权重计算的基础上对传统的K-Means聚类算法进行改进,提出具有特征语义权重的FSW-KMeans算法。实验结果表明,FSW-KMeans算法较大地提高了聚类算法准确率和效率。

基于改进主题模型方法的三级短视频用户画像的研究

针对如何从海量短视频数据、用户数据、交互数据中快速抽象出精准的用户兴趣的问题,提出了基于主题模型的三级标签用户画像构建方法。基于主题构建方法,将融合的LDA和GSDMM主题模型所获取的视频主题词作为用户兴趣表达向量。首先,搭建了LDA过滤器,通过比对阈值剔除与主题无关的文本信息,缩小文本规模,降低非主要语料对于兴趣表达向量生成的影响。然后,提出结合语义信息和语境信息的特征词权重矩阵的构建方法,使用Bi-GRU神经网络计算词向量的上下文特征,并将其作为语境特征,使用TF-IDF算法计算出的词频权重作为语义特征,结合语境和语义特征扩充特征词含义。最后使用带有兴趣权重分配的GSDMM模型学习特征向量权重矩阵,实现用户兴趣标签生成和用户不同喜好程度影响下的兴趣权重修正。实验结果表明,该方法能够比较完备准确地表征用户画像,优于单一的主题构建方法,并且在聚类效果上表现出色。通过构建完备的用户画像,能够精准把握用户痛点,为后续个性化推荐提供服务。

不完全语义认知过程中信息特征正确识别仿真

语义信息特征的正确识别能够有效地捕捉虚拟装配过程中用户交互意图。进行语义的正确识别时需要建立语义信息熵和词语权重值之间的关系,确定各个特征的语义权重来完成识别。传统方法利用隐藏在语义的映射关系进行识别,将奇异值分解和遗传思想理论相融合降低向量空间的维数,但没有详细分析信息熵和权重值之间的关系,所以语义信息特征的识别准确率不高。提出一种基于聚类的不完全语义认知翻译中信息特征选择方法。上述方法先依据任意信息义项的语义距离计算出信息语义间的相似度,获取信息词之间的相关度,在此基础上得到不完全语义认知翻译中信息语义扩展度,获取信息词汇间的共现率,对候选词汇集的词依次进行提取,计算信息特征之间的语义相关度,建立语义信息熵和词语权重值之间的关系,确定各个特征的语义权重,计算出每个信息特征在翻译中所提供的信息量,选取信息量较大的作为不完全语义认知翻译中信息特征。仿真结果表明,所提选择精确度高,可以为翻译教学提供了科学的依据。

基于高质量反馈源的XML查询扩展

有效避免伪反馈的“查询主题漂移”主要需要解决两大问题，一是如何确定相关文档，形成较高质量的伪相关文档集，另一个是在伪相关文档集里如何挑选扩展信息。本文主要研究在获取了高质量伪相关文档集合的基础上如何有效进行XML查询扩展。针对XML文档的特点，提出了扩展向量空间模型的查询词扩展方法。实验结果表明，与初始查询和传统的词项扩展方法相比，该扩展方法更能获得与用户查询意图相关的扩展信息，更能有效地提高检索质量和性能。

基于用户兴趣偏好的网络文档检索

本文提出了一种基于用户兴趣偏好的网络文档检索策略。用户长期浏览网页的过程中搜集用户的兴趣偏好特征值,并将表达用户偏好的关键词按序排列,以语义关联度为标准对每次搜索引擎的网页排序结果进行重排,并在此过程中充分考虑用户偏好信息的保护。用户兴趣偏好特征值通过用户的浏览反馈行为对自身进行动态修改,使其不断捕获变化着的用户兴趣热点。实验表明,基于用户兴趣偏好的网络文档检索策略较传统的文档检索在召回率、准确率等性能指标上有所提高。

基于词项扩展的XML信息检索反馈技术

为提高XML信息检索的查询准确率,提出一种基于词项扩展的XML信息检索反馈技术。利用词项所在节点的语义权重、词项与查询词间的相邻频度、共现程度,评估词项权重并排序,取权重较大的词项对初始检索词进行扩展,给出各因子的计算方法。在Wikipedia2009数据集上的实验结果表明,扩展后的查询准确率较高。

基于二进制粒的用户概念空间构建方法

针对检索系统快速优化问题,提出了一种自动构建用户概念空间的方法。概念空间的构建是实现语义检索的关键,为语义检索提供知识源,传统的面向通用领域的概念空间过于庞大,实现起来非常困难。面向每个用户时,给出了一种构建用户私有概念空间的方法,私有概念空间是根据用户检索文档历史记录自动生成的。在构建用户概念空间的过程中,引入粒计算的思想,用二进制粒表示频繁特征项,并通过粒之间的运算挖掘频繁2-项集,最后计算特征项之间的语义关联权,进行了仿真。仿真结果表明,方法具有较高的效率。