文本分類的基本概念_第1頁
文本分類的基本概念_第2頁
文本分類的基本概念_第3頁
文本分類的基本概念_第4頁
文本分類的基本概念_第5頁
已閱讀5頁，還剩7頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

文本分類的基本概念文本分類基本概念文本分類模型文檔分類技術

文本分類的基本概念/01

文本分類的基本概念分類問題是非常主流的數據分析問題，在數據挖掘領域的分類，是指基于已知屬性對數據所屬類別進行判斷。文本分類是分類問題對文本類型數據處理的子問題，是指在有限的分類標簽集合中對給定的文章進行劃分，以增加用戶對文檔對象的認知與理解判斷。文本分類的基本概念文本分類主要的還是在信息檢索領域的應用。搜索引擎可以根據用戶輸入的關鍵詞從索引庫中提取特定的網頁或文本對象，將其反饋給在線用戶。文本分類模型/02

文本分類模型文檔的分類結果需要用統計模型進行預測，統計模型則需要對文檔的訓練集合進行建模分析。文檔分類問題屬于機器學習問題，學習目標是估計模型中的統計參數。用形式化的方式描述文本分類問題，首先定義文檔：標簽集合為文本分類問題就是要基于訓練集合D=d,c>來學習分類模型：其中，是模型中的未知參數，基于可以有效地對文檔進行分類。分類模型等價于從集合X到集合C的映射函數。

文本分類模型在構成分類模型時，需要將文檔用一組特征向量來表示。向量的形式取決于文本建模的具體方法。在大多數文本分類問題中，向量的維度與詞典的規模是一致的，通常要達到幾萬甚至幾十萬的規模。因此，文本分類問題比一般的數據分類問題更復雜。文檔分類技術/03

文檔分類技術二元分類主要是為了對文檔的某一類特征條件進行判斷，符合特定條件的文檔為“正”例，用布爾變量1來表示；不滿足特定條件的文檔為“反”例，用布爾變量0來表示。多元分類主要是為了將文檔按照不同的領域進行劃分，以實現對不同文檔對象區別管理。文檔分類技術二元

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，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論