2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、網(wǎng)絡(luò)中每天產(chǎn)生海量的文本、視頻、圖片等數(shù)據(jù),其中文本數(shù)據(jù)占據(jù)了很大的比例且蘊(yùn)含許多重要的信息,對(duì)文本數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘在商業(yè)、醫(yī)療、科研等方面有著重要的價(jià)值。文本聚類是一種無監(jiān)督的文本挖掘方法,它將文本數(shù)據(jù)集合劃分為多個(gè)簇,簇中的文本相似,而不同簇間的文本相似度低。文本聚類在多個(gè)領(lǐng)域得到使用,如自然語言處理中利用文本聚類進(jìn)行冗余消除,搜索引擎利用文本聚類產(chǎn)生簡(jiǎn)潔高效的搜索結(jié)果等。在面對(duì)大規(guī)模文本數(shù)據(jù)時(shí),傳統(tǒng)的文本聚類方法難以有效地處理。為

2、了有效地對(duì)大規(guī)模文本數(shù)據(jù)進(jìn)行聚類,本文對(duì)基于MapReduce編程模型的文本聚類算法進(jìn)行研究。
  吸引子傳播算法(AP)是近年來提出的一種高效聚類算法,它通過數(shù)據(jù)對(duì)象間的消息傳遞選擇聚類中心,并且不使用聚類個(gè)數(shù)作為參數(shù),但AP算法存在振蕩和聚類劃分過細(xì)的問題。本文在解決AP算法缺陷的基礎(chǔ)上,將其應(yīng)用于文本聚類。
  本文的主要內(nèi)容如下:
  1.在對(duì)文本預(yù)處理相關(guān)技術(shù)詳細(xì)研究的基礎(chǔ)上,針對(duì)詞袋子模型在文本語義表達(dá)上的

3、不足,提出將基于神經(jīng)網(wǎng)絡(luò)的 word2vec詞向量模型和詞頻逆文檔頻率(TFIDF)相結(jié)合進(jìn)行文本表示的方案,并將此方案應(yīng)用于本文的文本表示中。
  2.布谷鳥搜索算法(CS)是一種簡(jiǎn)單高效的元啟發(fā)式算法,針對(duì)CS算法使用固定步長(zhǎng)因子和發(fā)現(xiàn)概率導(dǎo)致算法易陷入局部最優(yōu)解的不足,本文將當(dāng)前最佳解信息和高斯擾動(dòng)引入CS算法中,提出一種改進(jìn)的CS算法,接著將其與AP算法相結(jié)合,提出一種基于改進(jìn)CS算法的AP算法(CSAP)算法。
 

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論