文本标签自动抽取的算法优化与应用.pdfVIP

文本标签自动抽取的算法优化与应用.pdf

  1. 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. 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. 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. 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. 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. 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. 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
查看更多
文本标签自动抽取的算法优化与应用.pdf

文本标签自动抽取的算法优化和应用 吴斌 224227 (华为 ,深圳 518129 ) 摘 要:本文简述了对文档内容自动抽取标签的各类方法。在“按标签进行文档分类”这个应用场景中,标签不 但需要表现文档主题,还需要有一定的文档覆盖率,以便对类似文档按标签进行分类显示。而监督学习的分类方 法标签范围不能灵活选取,无监督学习的关键词抽取方法,如TFIDF,标签又缺乏文档的覆盖率。所以,在该应 用场景中,本文提出 TFNDDF 算法进行优化,既能灵活地抽取关键词标签,又能使标签在文档列表中有一定的覆 盖率。在实际应用中测试,对比TFIDF 和TFDF 算法都有一定的提高。 另外,如果文档有很多个不同来源的多个标签,我们需要能够自动挑选出比较好的标签,就需要判断标签的 有效性,并对标签与文本的相关性进行计算和排序。现有相关性计算的方法,往往面临数据稀疏,噪音大等问题, 本文基于 LSA 算法,提出LSA-TF 算法,来计算标签与文档的相关性,可以提供一种自动计算标签有效性,并做 相关性排序的方法。 关键词:文档;标签;关键词;TFIDF;TFNDDF ; LSA; 相关性; 排序; LSA-TF 中图分类号: 文献标识码: 文章编号: Text tag auto extract application by algorithm optimization Wu Bin 224227 (HuaWei, Shenzhen 518129, China) Abstract: This paper describes a variety of methods to automatically extract tags for document content. In the scenario of document classification by tag, the tags not only need to show the topic of document, but also need to have some documentation coverage, similar documents in order to be classified according to the tag. The supervised learning classification for tags can not be selected with flexible range, keyword extraction by unsupervised learning methods, such as TFIDF, tag is lack of coverage in document list. So, in this scenario, the TFNDDF algorithm, both flexibly extract keywords tag, but also make the tag has coverage in the document list. In practice, TFNDDF compared to TFIDF and TFDF algorithm has some improvement. In addition, if the document has a number of multiple tags from different sources, we need to be able to automatically pick out some better tags, we need to get the correlations form the tag to the document. The method of calculation correlations, often faced with sparse data, noise and other i

文档评论(0)

dmz158 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档