- 1、本文档共116页,可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
TextMining02-特征提取
文本挖掘技术(2012春)
第二章:
文本特征提取技术
杨建武
北京大学计算机科学技术研究所
Email:yangjw@
1
主要内容
分词与词性标注
文档模型与相似度计算
布尔模型
向量空间模型
概率模型
统计语言模型(SLM)
特征变换
隐语义分析(LSA)
Dirichlet 2
分 词
3
语言理解系统
面向不同应用 理解
有不同的形式 语篇结构 语篇分析
语义结构
语义分析
句法结构 句法分析 „ „
短语结构 短语分析
词性序列 词性标注
词序列 词法分析/分词
句子序列 分句 一种 跨语言处理 另一种
语言 语言
自然形态 文本
4
分词实例
和平民主
和平、民主
和、平民、主
提高人民生活水平
提高、高人、人民、民生、生活、活
水、水平
大学生活象白纸
大学、生活、象、白纸
大学生、活象、白纸 5
分词基本方法
基于词典的方法
最大匹配法
最大概率法
最短路径法
未登录词识别方法
基于标注的方法
6
最大匹配法
S1=―文本挖掘课程是三个课时”
分词词表
词语
…
设定最大词长 文本挖掘
MaxLen = 4
课程
S2= 课时
…
7
最大匹配法示例
(1)S2=―‖;S1不为空,从S1左边取出候选子串
W=― 文本挖掘;(MaxLen = 4)
(2 )查词表,“文本挖掘”在词表中,将W加入到S2中,S2
您可能关注的文档
最近下载
- CWI衔接CSWIP3.1课程教材.pdf
- 教育培训舞蹈老师岗面试真题题库参考答案和答题要点.docx VIP
- 教师课外辅导老师岗面试真题题库参考答案和答题要点.docx VIP
- 邮政常识复习试题及答案.doc
- 教师高中辅导老师岗面试真题题库参考答案和答题要点.docx VIP
- 教育培训编程培训老师岗面试真题题库参考答案和答题要点.docx VIP
- 基于拉格朗日插值多项式的光伏电池I-V特性建模方法.pdf VIP
- (完整版)05S502阀门井图集(2).docx
- 教育培训数理化培训老师岗面试真题题库参考答案和答题要点.docx VIP
- 教师品德教育老师岗面试真题题库参考答案和答题要点.docx VIP
文档评论(0)