本文選題：高相似度英語詞語 + 數(shù)據(jù)挖掘��； 參考：《現(xiàn)代電子技術(shù)》2017年23期

【摘要】：針對傳統(tǒng)的基于支持向量機的高相似度英語詞語自主選取系統(tǒng)一直存在選取效果差、精度低的問題,提出一種基于數(shù)據(jù)挖掘的高相似度英語詞語自主選取系統(tǒng)設(shè)計方法。首先根據(jù)英語詞語的相似度概念,計算出兩個英語詞語義項的最短路徑與其距離最近的公共父節(jié)點之間的深度。利用數(shù)據(jù)挖掘法將英語詞語文本特征選擇轉(zhuǎn)換為一個多目標優(yōu)化問題;然后以英語詞語特征維數(shù)最少、分類正確率相對最高為選取標準,采用蟻群算法找到英語詞語的最優(yōu)特征子集;最后通過建立神經(jīng)網(wǎng)絡(luò)分類器完成高相似度英語詞語自主選取系統(tǒng)設(shè)計。實驗結(jié)果證明,所提方法可以精確地選取出高相似度英語詞語,且選取時間較短,實用性廣泛。
[Abstract]:Aiming at the problems of poor selection effect and low precision in the traditional high similarity English word autonomous selection system based on support vector machine, a design method of high similarity English word autonomous selection system based on data mining is proposed. Firstly, according to the concept of English word similarity, the depth between the shortest path of the meaning of two English words and the nearest common parent node is calculated. The method of data mining is used to transform the feature selection of English words into a multi-objective optimization problem, and then the feature dimension of English words is the least, and the classification accuracy is the highest. Ant colony algorithm is used to find the optimal feature subset of English words. Finally, a neural network classifier is established to design the autonomous selection system for English words with high similarity. The experimental results show that the proposed method can accurately select English words with high similarity, and the selection time is shorter, and the method has wide practicability.
【作者單位】： 西安建筑科技大學(xué);
【分類號】：TP391.1

【相似文獻】

相關(guān)期刊論文 前10條

1 黃柳柳;黃河燕;史樹敏;;面向代碼相似度檢測的指紋選取方法[J];計算機工程與應(yīng)用;2010年27期

2 鄭煒冬;;試卷相似度自動評估技術(shù)的研究[J];智能計算機與應(yīng)用;2011年06期

3 李桂林,陳曉云;關(guān)于聚類分析中相似度的討論[J];計算機工程與應(yīng)用;2004年31期

4 秦玉平;楊興凱;;基于案例推理的區(qū)間屬性相似度研究[J];遼寧師范大學(xué)學(xué)報(自然科學(xué)版);2006年04期

5 蔣鵬;;基于本體的應(yīng)急案例相似度算法研究[J];南昌高專學(xué)報;2009年03期

6 何亞;;詞語相似度算法的分析與改進[J];硅谷;2011年24期

7 仇麗青;陳卓艷;;基于共同鄰居相似度的社區(qū)發(fā)現(xiàn)算法[J];信息系統(tǒng)工程;2014年05期

8 焦鵬;唐見兵;查亞兵;;仿真可信度評估中相似度方法的改進及其應(yīng)用[J];系統(tǒng)仿真學(xué)報;2007年12期

9 姜毅;樂慶玲;;一種基于興趣相似度的學(xué)習(xí)社區(qū)算法[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年16期

10 劉曉平;陸勁挺;唐益明;;基于可拓學(xué)的對比相似功能樹擴展方法[J];工程圖學(xué)學(xué)報;2009年01期

相關(guān)會議論文 前2條

1 劉海波;鄭德權(quán);趙鐵軍;;基于相似度線性加權(quán)方法的檢索結(jié)果聚類研究[A];中國計算語言學(xué)研究前沿進展（2009-2011）[C];2011年

2 陸勁挺;路強;劉曉平;;對比相似度計算方法及其在功能樹擴展中的應(yīng)用[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前4條

1 程亮;基于本體的疾病數(shù)據(jù)整合與挖掘方法研究[D];哈爾濱工業(yè)大學(xué);2014年

2 曹，

本文編號：2096027