- 1、本文档共93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
文本的分类与聚类
现代信息检索
Modern Information Retrieval
第六章文本分类及聚类(Text Categorization Clustering)
授课人:王斌
wangbin@
/~wangbin/
2007年11月
中科院研究生院2007年度秋季课程 1
最后更新日期:2007-12-11
课前思考题
分类/聚类的概念是什么?有什么关系?有什么
区别?
为什么要进行(文本)分类/聚类?
(文本)分类/聚类的过程如何?
(文本)分类/聚类如何进行特征选择?
(文本)分类/聚类的方法有哪些?
如何评价(文本)分类/聚类的效果?
中科院研究生院2007年度秋季课程 2
引言
分类/聚类是大自然的固有现象:物以类聚、人以群分
相似的对象往往聚集在一起
(相对而言)不相似的对象往往分开
中科院研究生院2007年度秋季课程 3
什么是分类?
简单地说,分类(Categorization or Classification)
就是按照某种标准给对象贴标签(label)
男 女
中科院研究生院2007年度秋季课程 4
分类非常普遍
性别、籍贯、民族、学历、年龄等等,
我们每个人身上贴满了“标签”
我们从孩提开始就具有分类能力:爸
爸、妈妈;好阿姨、坏阿姨;电影中的
好人、坏人等等。
分类无处不在,从现在开始,我们可以
以分类的眼光看世界☺
中科院研究生院2007年度秋季课程 5
课堂思考题
从如下叙述中找出“标签”
你以为我穷,不好看,就没有感情吗?我也会有
的。如果上帝赋予我财富和美貌,我一定要让你难
于离开我,就像我现在难于离开你。上帝没有这
样,我们的精神是同等的,就如同你跟我经过坟
墓,将同样地站在在上帝面前
中科院研究生院2007年度秋季课程 6
什么是聚类
简单地说,聚类是指事先没有“标签”而
通过某种成团分析找出事物之间存在聚
集性原因的过程。
去研究生院一个大教室上自习,往往发现大
家三三两两扎推地坐,一打听,原来坐在一
块的大都是一个班的。
事先不知道“标签”,根据对象之间的相似情
况进行成团分析。
中科院研究生院2007年度秋季课程 7
信息处理中分类和聚类的原因
分类/聚类的根本原因就是因为对象数目
太多,处理困难
一些信息处理部门,一个工作人员一天要看
上千份信息
分门别类将会大大减少处理难度,提高处理
效率和效果
文档评论(0)