检索结果-南通市图书馆

基于向量空间模型的文本分类系统的研究与实现

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

中文信息学报 2005年第1期19卷 36-41页

作者：陈治纲何丕廉孙越恒郑小慎天津大学电子信息工程学院天津300072

文本分类是信息处理的一个重要的研究课题 ,它可以有效的解决信息杂乱的现象并有助于定位所需的信息。本文综合考虑了频度、分散度和集中度等几项测试指标 ,提出了一种新的特征抽取算法 ,克服了传统的从单一或片面的测试指标进行特征抽... 详细信息

文本分类是信息处理的一个重要的研究课题 ,它可以有效的解决信息杂乱的现象并有助于定位所需的信息。本文综合考虑了频度、分散度和集中度等几项测试指标 ,提出了一种新的特征抽取算法 ,克服了传统的从单一或片面的测试指标进行特征抽取所造成的特征“过度拟合”问题 ,并基于此实现了二级分类模式的文本分类系统。和类中心分类法相比 ,实验结果表明二级分类模式具有较高的精度和召回率。

关键词：计算机应用中文信息处理文本分类测试指标特征抽取二级分类模式

基于向量空间模型的文本分类方法的研究与实现

在线全文

学校读者我要写书评

暂无评论

计算机应用 2004年第S1期24卷 277-279页

作者：陈治纲何丕廉孙越恒郑小慎天津大学电子信息工程学院天津300072

文本分类可以有效地解决信息杂乱的现象并有助于定位所需的信息。传统的文本分类方法一般从单一或片面的测试指标出发进行特征抽取 ,造成单个特征的“过度拟合”问题。文中综合考虑了频度、分散度和集中度等几项测试指标 ,提出了一种新... 详细信息

文本分类可以有效地解决信息杂乱的现象并有助于定位所需的信息。传统的文本分类方法一般从单一或片面的测试指标出发进行特征抽取 ,造成单个特征的“过度拟合”问题。文中综合考虑了频度、分散度和集中度等几项测试指标 ,提出了一种新的特征抽取算法 ,使得选出的特征能够在上述测试指标中达到整体最优。将这一方法应用于改进的向量空间模型 ,实验结果表明该方法具有较高的精度和召回率。

关键词：文本分类特征抽取测试指标向量空间模型

基于图像处理的储备粮仓袋装粮数量智能测算的研究

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2009年第6期26卷 2393-2395页

作者：林鹰刘永孙越恒重庆交通大学管理学院重庆400074 天津大学计算机科学与技术学院天津300072

针对袋装粮数量智能测算的要求,以实际场景视频图为分析对象,在对典型边缘检测算法实验结果分析的基础上,采用双阈值Canny边缘检测算子和形态学处理的方法提取粮袋特征轮廓——反光带的边界。提出基于众数理论和方差分析相结合的计数算... 详细信息

针对袋装粮数量智能测算的要求,以实际场景视频图为分析对象,在对典型边缘检测算法实验结果分析的基础上,采用双阈值Canny边缘检测算子和形态学处理的方法提取粮袋特征轮廓——反光带的边界。提出基于众数理论和方差分析相结合的计数算法进行数量的二次判断,提高了计数算法的识别精度和测算效率。实验表明,该方法能准确地提取出粮袋的特征轮廓并进行计数,为粮食数量检测提供了一种有效方法。

关键词：图像处理特征轮廓边界提取智能测算

基于朴素贝叶斯模型的中文关键词提取算法研究

在线全文

学校读者我要写书评

暂无评论

计算机应用 2005年第12期25卷 2780-2782页

作者：程岚岚何丕廉孙越恒天津大学计算机科学与技术系天津300072

提出了一种基于朴素贝叶斯模型的中文关键词提取算法。该算法首先通过训练过程获得朴素贝叶斯模型中的各个参数,然后以之为基础,在测试过程完成关键词提取。实验表明,相对于传统的if*idf方法,该算法可从小规模的文档集中提取出更为准确... 详细信息

提出了一种基于朴素贝叶斯模型的中文关键词提取算法。该算法首先通过训练过程获得朴素贝叶斯模型中的各个参数,然后以之为基础,在测试过程完成关键词提取。实验表明,相对于传统的if*idf方法,该算法可从小规模的文档集中提取出更为准确的关键词,而且可灵活地增加表征词语重要性的特征项,因而具有更好的可扩展性。

关键词：提取朴素贝叶斯模型特征项

在线全文

学校读者我要写书评

暂无评论

基于K-Means的文本层次聚类算法研究

计算机应用 2005年第10期25卷 2323-2324页

作者：尉景辉何丕廉孙越恒天津大学电子信息工程学院天津300072

提出了一种基于K-Means的文本层次聚类算法。它结合凝聚层次聚类和K-Means算法的特点,减少凝聚层次法在凝聚过程中的错误,提高了聚类质量。实验结果表明,该算法的聚类质量优于层次聚类法。

关键词：文本聚类向量空间模型 K-Means算法层次聚类

在线全文

学校读者我要写书评

暂无评论

事件驱动的在线社交群体演化行为预测

情报杂志 2019年第6期38卷 110-117页

作者：孙越恒刘晓彤王文俊天津大学计算机科学与技术学院

[目的/意义]研究在线社交群体的行为规律,预测群体行为演化趋势,是当前社会计算领域一个重要研究问题。这对于事件传播动向掌控、用户群体异常行为检测、公共事件舆论场管控等有重要意义。[方法/过程]面向在线社交群体,以复杂网络理论... 详细信息

[目的/意义]研究在线社交群体的行为规律,预测群体行为演化趋势,是当前社会计算领域一个重要研究问题。这对于事件传播动向掌控、用户群体异常行为检测、公共事件舆论场管控等有重要意义。[方法/过程]面向在线社交群体,以复杂网络理论为基础,构建融合多维特征的社交群体行为模式分析框架,挖掘网络的社团动态演化模式,对比分析事件驱动下社交群体的行为规律,进行社团演化行为预测。[结果/结论]在合成和真实网络中的大量实验结果表明,社团演化行为预测模型具有较高的精度与较强的鲁棒性;在微博网络中,不同类型事件驱动的群体演化行为特性具有明显差异,其中突发事件驱动的在线社交群体演化行为具有更高的可预测性。

关键词：在线社交群体行为模式动态社团演化预测事件驱动

在线全文

学校读者我要写书评

暂无评论

基于局部搜索机制的K-Means聚类算法

计算机工程 2008年第11期34卷 15-17页

作者：孙越恒李志圣何丕廉天津大学计算机学院天津300072

K-Means聚类算法的结果质量依赖于初始聚类中心的选择。该文将局部搜索的思想引入K-Means算法,提出一种改进的KMLS算法。该算法对K-Means收敛后的结果使用局部搜索来使其跳出局部极值点,进而再次迭代求优。同时对局部搜索的结果使用K-Me... 详细信息

K-Means聚类算法的结果质量依赖于初始聚类中心的选择。该文将局部搜索的思想引入K-Means算法,提出一种改进的KMLS算法。该算法对K-Means收敛后的结果使用局部搜索来使其跳出局部极值点,进而再次迭代求优。同时对局部搜索的结果使用K-Means算法使其尽快到达一个局部极值点。理论分析证明了算法的可行性和有效性,而在标准文本集上的文本聚类实验表明,相对于传统的K-Means算法,该算法改进了聚类结果的质量。

关键词： K-Means聚类算法局部搜索机制 KMLS算法文本聚类

统计机器翻译中的非连续短语模板抽取及其应用

在线全文

学校读者我要写书评

暂无评论

计算机科学 2009年第10期36卷 192-196页

作者：孙越恒段楠侯越先天津大学计算机科学与技术学院天津300072

目前基于短语的统计机器翻译模型很少将非连续短语的情况考虑在内,由此造成翻译结果在目标语言中的意义变化或缺失。以非连续介词短语为例,提供了一种短语模板抽取算法。首先采用基于规则的方法,抽取出中文非连续介词短语模板,而后借助... 详细信息

目前基于短语的统计机器翻译模型很少将非连续短语的情况考虑在内,由此造成翻译结果在目标语言中的意义变化或缺失。以非连续介词短语为例,提供了一种短语模板抽取算法。首先采用基于规则的方法,抽取出中文非连续介词短语模板,而后借助双语对齐语料和介词_方位词翻译表,获得模板对应的英文翻译。最终形成的双语模板被加入短语翻译表中。在标准测试语料上的对比实验表明,加入非连续短语模板后,译文更加符合语法规范,而翻译结果也取得了相对稳定的提高。

关键词：统计机器翻译短语模板非连续介词短语模板抽取

在线全文

学校读者我要写书评

暂无评论

面向政府部门的网络舆论情感判别研究

情报杂志 2020年第8期39卷 88-93页

作者：孙越恒姚唯一王文俊天津大学智能与计算学部天津300350

[目的/意义]利用网络舆论大数据准确判别公众对不同政府部门的情感倾向,是当前社会计算领域的一个重要研究问题。这对于政府部门有效把握和响应舆情态势,提升公众满意度和信任度具有重要意义。[方法/过程]提出了一种基于深度神经网络的... 详细信息

[目的/意义]利用网络舆论大数据准确判别公众对不同政府部门的情感倾向,是当前社会计算领域的一个重要研究问题。这对于政府部门有效把握和响应舆情态势,提升公众满意度和信任度具有重要意义。[方法/过程]提出了一种基于深度神经网络的多任务判别模型,通过“卷积网络+残差网络”挖掘新闻文本隐含特征,实现新闻事件关联的政府部门识别,同时通过LSTM网络以及注意力机制,融合新闻文本和用户评论特征,实现公众对政府部门的情感判别。[结果/结论]在测试数据集上的实验表明,与其他基准模型相比,所提模型的部门识别任务和情感判别任务在性能上具有明显优势;公众对科技、国防和公安三类部门的情感满意度较高。

关键词：网络舆论政府部门情感倾向深度神经网络判别模型满意度