基于混合模型的文本分類的研究.pdf_第1頁
已閱讀1頁，還剩81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)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、本文提出了一種基于主題和通用知識的類模型,利用期望最大化方法(EM)估計(jì)模型參數(shù).實(shí)驗(yàn)證明:基于混合模型的分類算法的整體性能明顯優(yōu)于樸素貝葉斯方法,是一種比較穩(wěn)定的算法,尤其是在小訓(xùn)練樣本情況下,混合模型分類算法表現(xiàn)突出.另外,盡管估計(jì)混合模型時增加了分類模型的復(fù)雜度,但實(shí)驗(yàn)表明,由于EM算法通常在3次迭代后基本收斂,對算法的整體效率影響不大.本文還論述了我們提出的基于混合模型的文本分類器的兩種用途.(1)建立用戶模型:在我們的一個個性

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(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空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對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, 同時也不承擔(dān)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