期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
问答系统中基于语义核函数的问题分类算法 被引量:1
1
作者 江龙泉 张波 +2 位作者 胡志鹏 丁峻宏 刘波 《上海师范大学学报(自然科学版)》 2018年第1期53-56,共4页
提出一种基于语义核函数的问题分类算法,该算法基于问题的语法结构构建支持向量机(SVM)核函数.首先,将给定的问题解析为语法树结构,用语法树的子树表示该问题;然后,从词法、语法、语义三个层面提取问题的特征,构成更加丰富的特征空间;接... 提出一种基于语义核函数的问题分类算法,该算法基于问题的语法结构构建支持向量机(SVM)核函数.首先,将给定的问题解析为语法树结构,用语法树的子树表示该问题;然后,从词法、语法、语义三个层面提取问题的特征,构成更加丰富的特征空间;接着,基于问题的语法树构建核函数;最后,使用潜在语义索引方法并结合问题的词法、语法以及语义特征,通过语义核函数将特征空间映射到更有效的空间中进行问题分类.TREC数据集上的实验结果表明,通过词法、语法以及语义增强的问题特征空间可以提高分类准确率. 展开更多
关键词 问答系统 监督学习 支持向量机 问题分类 语义核函数 特征空间
下载PDF
文本分类中的语义核函数研究 被引量:8
2
作者 张玉峰 王志芳 《情报科学》 CSSCI 北大核心 2010年第7期970-975,979,共7页
传统的很多文本分类算法都是基于文本特征的数值统计信息来进行分类,只考虑特征在文本中的出现频率,而忽略了文本特征之间的语义相关性。针对文本分类任务,本文提出一种基于本体的语义核函数的构造方法,设计和实现了基于WordNet的语义... 传统的很多文本分类算法都是基于文本特征的数值统计信息来进行分类,只考虑特征在文本中的出现频率,而忽略了文本特征之间的语义相关性。针对文本分类任务,本文提出一种基于本体的语义核函数的构造方法,设计和实现了基于WordNet的语义核函数算法,并将该语义核函数嵌入支持向量机分类器中进行文本分类实验,在20NewsGroups数据集上的分类结果表明,基于语义核函数的支持向量机的分类效果明显优于基于线性核的支持向量机的分类效果。 展开更多
关键词 文本分类 语义核函数 本体 支持向量机
原文传递
基于CLSVSM的惩罚性矩阵分解及其在文本主题聚类中的应用 被引量:1
3
作者 牛奉高 冯世佳 黄琛 《计算机与现代化》 2021年第5期66-72,共7页
文本信息的合理表示对文本主题聚类及检索有重要作用。针对文本表示模型维度较高的问题,基于共现潜在语义向量空间模型(CLSVSM)研究惩罚性矩阵分解(PMD),利用PMD对向量进行稀疏约束,提取核心特征词,进而实现原始数据的重建;通过共现分... 文本信息的合理表示对文本主题聚类及检索有重要作用。针对文本表示模型维度较高的问题,基于共现潜在语义向量空间模型(CLSVSM)研究惩罚性矩阵分解(PMD),利用PMD对向量进行稀疏约束,提取核心特征词,进而实现原始数据的重建;通过共现分析理论及PMD方法,深度挖掘特征词之间的语义信息,构建语义核函数(PMD_K)。将本文方法应用于文本主题聚类中,实验结果显示,PMD和PMD_K这2种方法的聚类效果均明显优于其他方法,以F值为例,PMD_K方法较以往的95%CLSVSM_K方法,F值提高了21.9%。将PMD与文本表示模型相结合,在提高了文本主题聚类的效率和精度的同时,还避免了对高维矩阵的复杂运算。 展开更多
关键词 CLSVSM 惩罚性矩阵分解 语义核函数 文本主题聚类
下载PDF
Research on Chinese place name recognition based on kernel classifier
4
作者 宇缨 王晓龙 +1 位作者 刘秉权 王慧 《Journal of Harbin Institute of Technology(New Series)》 EI CAS 2007年第1期79-82,共4页
A SVMs (Support Vector Machines) based method to identify Chinese place names is presented. In our approach, place name candidate is located according to a rational forming assumption, then SVMs based identification s... A SVMs (Support Vector Machines) based method to identify Chinese place names is presented. In our approach, place name candidate is located according to a rational forming assumption, then SVMs based identification strategy is used to distinguish whether one candidate is true place name or not. Referring to linguistic knowledge, basic semanteme of a contextual word and frequency information of words inside place name candidate are selected as features in our methodology. So dimension in the feature space is reduced dramatically and processing procedure is performed more efficiently. Result of open testing on unregistered place names achieves F-measure 83.25 in 8.17 million words news based on this project. 展开更多
关键词 SVMS Chinese place name feature selection semanteme kernel function
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部