發(fā)布時(shí)間：2024-03-23 02:17

　　在即時(shí)通信和互聯(lián)網(wǎng)技術(shù)的快速發(fā)展中,網(wǎng)絡(luò)中的信息每天都在以飛快的速率增長著,各種類型社交網(wǎng)絡(luò)的出現(xiàn)使得短文本信息正在迅速占領(lǐng)我們的視野,這種文本一般的長度為160個(gè)字左右,并且種類繁多,常常以口語化、網(wǎng)絡(luò)化的不規(guī)則形式出現(xiàn)。長度短,信息量少是這類短文本的主要特點(diǎn),但是這些文本可能攜帶著很多有價(jià)值的信息內(nèi)容,所以對(duì)短文本進(jìn)行優(yōu)良的的組織分類是值得研究的。傳統(tǒng)的文本分類方法大多是以長文本作為對(duì)象進(jìn)行研究的,如果直接套用于短文本將會(huì)影響分類取得的效果。此外,獲取用于構(gòu)建傳統(tǒng)文本分類器的已標(biāo)注樣本是由人工進(jìn)行標(biāo)注的,不但耗時(shí)而且耗力,還易形成標(biāo)注瓶頸,與之相比,大量的無標(biāo)注樣本的獲取卻是比較容易的。傳統(tǒng)基于監(jiān)督學(xué)習(xí)的分類方法,只是利用了數(shù)據(jù)樣本集合中的已標(biāo)注樣本,而沒有關(guān)注無標(biāo)注樣本自身所包含的信息,沒有能很好地發(fā)掘出可能隱藏的信息。半監(jiān)督學(xué)習(xí)方法是將已標(biāo)注的小量樣本與未經(jīng)標(biāo)注的大量樣本相結(jié)合來進(jìn)行訓(xùn)練,從而使無標(biāo)注部分能被充分地利用,文本分類器性能得到有效地改善,于是這類的方法也逐步受到人們的廣泛關(guān)注。根據(jù)短文本的獨(dú)特之處,本文對(duì)短文本分類技術(shù)進(jìn)行了如下幾點(diǎn)研究:1.前期查閱資料過程中,總結(jié)...

【文章頁數(shù)】：49 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖4-1舉例說明長邊對(duì)計(jì)算

圖4-1舉例說明長邊對(duì)計(jì)算pL規(guī)范的影響。（a）（b）為兩個(gè)示例路徑和當(dāng)p=1，2，3范。（c）為兩個(gè)不同類中的三個(gè)節(jié)點(diǎn)。x1和x3由高密度區(qū)域的緊湊路徑連接，而x2通過稀疏分別相連。4.3實(shí)驗(yàn)結(jié)果及分析4.3.1數(shù)據(jù)描述本文用到的5個(gè)測(cè)試數(shù)據(jù)集，文獻(xiàn)[51]中....

圖4-2通過不同的T和p闡述了路徑的得分（ijs）情況圖

圖4-2通過不同的T和p闡述了路徑的得分（ijs）情況圖通過不同的T和p闡述了路徑的得分（ijs）情況。圖的路徑得分ijS。兩個(gè)已知標(biāo)簽的節(jié)點(diǎn)紅色的圓和藍(lán)色的三和新月形集群。黃色的正方形為未知標(biāo)簽節(jié)點(diǎn)，位于柱形徑到紅色的節(jié)點(diǎn)，7條路徑到藍(lán)色的節(jié)點(diǎn)。線的寬....

圖4-3五種算法分別在100個(gè)帶標(biāo)記節(jié)點(diǎn)數(shù)據(jù)集（MNIST）和10個(gè)帶標(biāo)記節(jié)點(diǎn)數(shù)據(jù)集（G241c，USPS，COIL，BIC）上的錯(cuò)誤分類率圖

類假設(shè)不成立，就會(huì)取得不理想分類結(jié)果，例如（G241c）。本文的算法在與MMLP算法有近似運(yùn)行時(shí)間的情況下，可以得到更為精確的類結(jié)果。本文算法也依賴于聚類假設(shè)，例如，在G241c中存在稠密的重疊部分，兩個(gè)不同的類別之間存在很多緊密的路徑，導(dǎo)致分類結(jié)果的不精確。與AGR....

本文編號(hào)：3935298