结构主义建模.pptVIP

根据专业知识，词频及具有分类的特征信息，——信息熵！因此可以仿照熵的定义： 某词W(i)在文本d 中出现的频数 × log( ) 集合中文本总数 词W(i)在文本中至少 出现一次的文本数 这里熵的形式，一来用类似信息熵的定义，符合“分类”的特征信息的概念；二来，词频的作用大于词在文本集合中出现的作用。 假设TF(w(i),dj)是词w(i)在文本dj中出现的次数，|D|是D中文本总数，DF(w(i))是指在D中至少出现一次w(i)的文本数。则每一个文本dj∈D，和一个特征词w(i）存在一量： 形式化： 记d(i)j =TFIDF(w(i),dj) ，则每一个文本dj∈D，存在一个分量适当排序的文本向量。　　　 文本向量空间模型与文本向量:　　　 问题的目标：文本集的分类 原型的结构分析： 文本集的结构（目标）+文本的结构（表示的关键） 同构分析： 数学结构和原型结构的联系 文本集的结构≌线性空间结构 数学模型表示：