基于主题的短文本分类动态作品.pptxVIP

下载本文档

92
0
约6.37千字
约 31页
2017-09-22 发布于福建
举报
版权申诉

基于主题的短文本分类动态作品.pptx

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于主题的短文本分类Short Sparse Text Classification With Hidden Topics陈二二指导老师：XX2012年9月10日1342OUTLINEOUTLINE工作内容模型描述实验分析背景简介1长文本分类短分类器背景简介信息量少特征稀疏语义歧义训练集测试集2模型描述2信息量少找到隐含主题作为特征值短文本“长文本”?模型描述特征稀疏语义歧义2UniversalDatasetClasses模型描述Model Estimation (LDA)Training DatasetTraining Dataset with Hidden TopicsEstimatedTopic ModelTopic InferenceClassifier(MaxEnt)NewDatasetNew Dataset with Hidden TopicsTopic Inference3工作内容3Business ComputersEngineeringComputersHealth工作内容-目的CultureArtsEntertainmentPoliticsSocietyEducationScienceSports3原始数据 340.5MB， 31,273个文件数据处理去除重复的文件，提取网页正文，过滤不必要信息，移除停用词，单词词干化；修善爬虫工具等最终数据 67.1MB，8,957行，词汇量30,283 共8,307,727个单词部分关键词列表（2827）Business advertising, e-commerce, finance, investment, contract ...Computers hardware, software, database, multimedia, keyboard ...Culture-Arts-Entertainment book, music, movie, painting, piano ...Education-Science course, graduate, professor, university, research ...Engineering automobile, telecommunication, civil eng., engineer ...Health diet, therapy, healthcare, treatment, nutrition, hospital...Politics-Society government, legislation, party, regime, military, mayor ...Sports baseball, cricket, football, tennis, Olympic games, basketball ...Wikipedia工作内容-全局数据集获取URL=/wiki/footballFootball refers to a number of sports that involve, to varying degrees, kicking a ball with the foot to score a goal. The most popular of these sports worldwide is association football, more commonly known as just football or soccer“ …3原始数据 340.5MB， 31,273个文件数据处理去除重复的文件，提取网页正文，过滤不必要信息，移除停用词，单词词干化；修善爬虫工具等最终数据 67.1MB，8,957行，词汇量30,283 共8,307,727个单词TwitterWikipedia原始数据 200,000条数据处理过滤不必要信息，分词，单词修正，去停用词，词干化工作内容-文本数据集获取Coooooooool, what an amazing football match, you should watch it. http://bit.ly/H0fFA @chensj09 Coooooooool, what an amazing football match, you should watch it. http://bit.ly/H0fFA @chensj09 单词修正过滤信息过滤信息单词修正cool what an amazing football match you should watch it cool what an amazing football match you should watch it coooooooool what an