检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于概念簇的文本分类算法

图书情报工作 2013年第15期57卷 132-136,82页

作者：马甲林刘金岭金春霞淮阴工学院计算机工程学院

针对传统文本分类算法在向量空间模型表示下存在向量高维、稀疏以及忽略特征语义相关性等缺陷所导致的分类效率低和精度不高的问题,以知网(HowNet)为知识库,构建语义概念向量模型SCVM(Semantic Concept Vector Model)表示文本,根据概念... 详细信息

针对传统文本分类算法在向量空间模型表示下存在向量高维、稀疏以及忽略特征语义相关性等缺陷所导致的分类效率低和精度不高的问题,以知网(HowNet)为知识库,构建语义概念向量模型SCVM(Semantic Concept Vector Model)表示文本,根据概念语义及上下文背景对同义词进行归并,对多义词进行排歧,提出基于概念簇的文本分类算法TCABCC(Text Classification Algorithm Based on the Concept of Clusters),通过改进传统KNN,用概念簇表示各个类别训练样本,使相似度的计算基于文本概念向量和类别概念簇。实验结果表明,该算法构造的分类器在效率和性能上均比传统KNN有较大的提高。

关键词：文本分类语义概念向量概念簇 KNN 知网

在线全文

学校读者我要写书评

暂无评论

基于概念簇的多主题提取算法

智能系统学报 2015年第2期10卷 261-266页

作者：马甲林张永军王志坚河海大学计算机与信息学院江苏南京211100 淮阴工学院计算机工程学院江苏淮安223003

现实世界存在着大量的多主题文本,多主题在信息检索、图书情报等领域有着广泛的应用。传统主题提取算法大多是针对文本整体提取一个主题,且存在缺乏语义信息、向量高维和稀疏等缺陷。以《知网》为知识库,构建概念向量表示文本,根据概念... 详细信息

现实世界存在着大量的多主题文本,多主题在信息检索、图书情报等领域有着广泛的应用。传统主题提取算法大多是针对文本整体提取一个主题,且存在缺乏语义信息、向量高维和稀疏等缺陷。以《知网》为知识库,构建概念向量表示文本,根据概念的语义及上下文背景对同义词进行归并、对多义词进行排歧,并利用概念间语义关系实现语义相似度计算;在此基础上提出基于概念簇的多主题提取算法MEABCC,该算法通过对概念进行聚类,得到多个主题簇;在使用K-means算法进行概念聚类时,通过"预设种子"方法对其进行改进,以弥补传统K-means算法对初始中心的敏感性所引起的时空开销不稳定、结果波动较大的缺陷。实验结果表明,该算法具有较好的准确率、召回率和F1值。

关键词：语义稀疏上下文背景知识库概念簇多主题提取 K-means MEABCC

在线全文

学校读者我要写书评

暂无评论

基于概念簇的文本向量构建方法

通信学报 2010年第S1期31卷 44-47页

作者：冯扬罗森林潘丽敏刘莉莉陈开江北京理工大学信息与电子学院信息安全与对抗技术实验室北京100081

为提高文本向量对文本概念的逼近程度,通过将具有相同语法语义特征的词进行聚类,提取概念簇,利用空间变换将文本向量由词空间变换到概念簇空间上来表达文本。实验比较了基于TF-IDF、IG、TF-IDF-IG、LSA以及它们结合概念簇后对文本分类... 详细信息

为提高文本向量对文本概念的逼近程度,通过将具有相同语法语义特征的词进行聚类,提取概念簇,利用空间变换将文本向量由词空间变换到概念簇空间上来表达文本。实验比较了基于TF-IDF、IG、TF-IDF-IG、LSA以及它们结合概念簇后对文本分类的效果,证明了基于概念簇的文本向量构建方法能提高文本向量对文本概念逼近的准确程度,同时也提高了不同类型文本之间的区分度。

关键词：中文信息处理文本向量概念簇文本分类

在线全文

学校读者我要写书评

暂无评论

基于三支概念簇的知识表示

西南大学学报（自然科学版） 2021年第10期43卷 10-18页

作者：智慧来徐彤李逸楠河南理工大学计算机科学与技术学院河南焦作454003

概念簇刻画了现代范畴理论中具有家族相似性的概念集合.概念簇中的概念包含了对象具有的共同属性,但忽略了对象都不具有的属性,不利于解决某些特定的问题.本文融合现代范畴理论与三支概念分析,提出了用三支概念簇刻画具有家族相似性的... 详细信息

概念簇刻画了现代范畴理论中具有家族相似性的概念集合.概念簇中的概念包含了对象具有的共同属性,但忽略了对象都不具有的属性,不利于解决某些特定的问题.本文融合现代范畴理论与三支概念分析,提出了用三支概念簇刻画具有家族相似性的三支概念集合;其次,研究了三支概念簇的若干重要性质与运算方法;最后,将三支概念簇用于满足特定约束条件下的相似对象检索.分析结果表明,三支概念簇相比较于概念簇,能够检索到更加符合需求的对象.

关键词：三支概念分析粒计算概念簇三支概念簇知识表示

在线全文

学校读者我要写书评

暂无评论

基于概念簇的知识表示

西北大学学报（自然科学版） 2020年第4期50卷 529-536页

作者：智慧来李逸楠河南理工大学计算机科学与技术学院河南焦作454003

概念是信息粒化过程中的重要粒度之一。然而,基于概念的知识表示并不能有效地对具有家族相似性的原型范畴进行刻画。该文在现代范畴理论的启发下,提出用概念簇表示一组密切相关的概念,以刻画粒度大于概念的信息粒。其次,研究了概念簇的... 详细信息

概念是信息粒化过程中的重要粒度之一。然而,基于概念的知识表示并不能有效地对具有家族相似性的原型范畴进行刻画。该文在现代范畴理论的启发下,提出用概念簇表示一组密切相关的概念,以刻画粒度大于概念的信息粒。其次,研究了概念簇的若干重要性质与计算方法。最后,提出了一种基于概念簇的信息检索方法。

关键词：形式概念分析粒计算概念簇知识表示

在线全文

学校读者我要写书评

暂无评论

基于灰色模型的概念簇聚类算法

计算机工程与设计 2011年第3期32卷 1040-1042,1102页

作者：张凤琴沈迪空军工程大学电讯工程学院陕西西安710077

针对目前聚类算法的目标函数中尚未有能判别数据在时域上发展趋势差异性的情况,基于灰色理论中被广泛应用的预测模型GM(1,1),利用其所得到的预测公式,通过推导演算,设计新的聚类目标函数,构造了一种新的概念簇聚类算法,其聚类目标簇是... 详细信息

针对目前聚类算法的目标函数中尚未有能判别数据在时域上发展趋势差异性的情况,基于灰色理论中被广泛应用的预测模型GM(1,1),利用其所得到的预测公式,通过推导演算,设计新的聚类目标函数,构造了一种新的概念簇聚类算法,其聚类目标簇是在时域上具有共同发展趋势的数据集合。该算法在实际应用中的具体意义是:设计者可根据该算法的结果,对不同簇的数据设计不同的有针对性的预处理方案。以中国各城市人口发展统计数据为实例,验证了该算法的可行性。

关键词：灰色预测模型聚类概念簇预测目标函数

在线全文

学校读者我要写书评

暂无评论

基于互信息和众数的类间关系研究

计算机工程与科学 2014年第10期36卷 2019-2027页

作者：陈峰张伟娟靳小波河南工业大学信息科学与工程学院河南郑州450001

簇间关系的评估对于确定许多现实中的关键未知信息具有重要作用,可被广泛应用在犯罪侦查、进化树、冶金工业和生物嫁接等领域。提出了一种称为"众数模式+互信息"的方法对簇间关系进行排序。该方法使用众数模式从每个簇中寻找具有代表性... 详细信息

簇间关系的评估对于确定许多现实中的关键未知信息具有重要作用,可被广泛应用在犯罪侦查、进化树、冶金工业和生物嫁接等领域。提出了一种称为"众数模式+互信息"的方法对簇间关系进行排序。该方法使用众数模式从每个簇中寻找具有代表性的对象,使用互信息衡量簇间的关联程度。由于该方法利用簇间关系判断簇与簇的联系程度,所以它不同于传统的分类和聚类。在图形和癌症诊断数据上的实验表明了该算法的有效性。

关键词：关系树概念簇众数模式互信息

在线全文

学校读者我要写书评

暂无评论

基于外存的概念格维护算法

计算机工程与设计 2018年第3期39卷 701-709页

作者：王春月王黎明张卓郑州大学信息工程学院河南郑州450001

为有效解决超内存概念格的维护问题,提出一种有限内存空间下基于外存的概念格维护算法。以形式背景中二元关系消减情况为应用背景,利用概念簇为基本单位划分原始概念格,采用最近最少使用调度策略释放内存中无用的概念节点,从外存中调入... 详细信息

为有效解决超内存概念格的维护问题,提出一种有限内存空间下基于外存的概念格维护算法。以形式背景中二元关系消减情况为应用背景,利用概念簇为基本单位划分原始概念格,采用最近最少使用调度策略释放内存中无用的概念节点,从外存中调入所需的概念块,降低内存消耗,解决内存不足的现象,为概念格的具体应用提供保障。理论与实验结果表明,在限定的内存资源条件下,该方法以较小的内存消耗和时间代价,实现了超内存概念格的有效维护。

关键词：有限内存空间二元关系消减概念格概念簇外存算法

在线全文

学校读者我要写书评

暂无评论

有限内存下概念格二元关系消减维护算法研究

有限内存下概念格二元关系消减维护算法研究

作者：王春月郑州大学

学位级别：硕士

概念格(也叫形式概念分析)作为一种概念聚类的方法,已被证明有利于机器学习、信息检索和知识发现等。在实际应用中,随着时间的推移生成概念格的形式背景会产生大量冗余的对象、属性或是对象与属性之间的二元关系,这导致概念格中无效概... 详细信息

概念格(也叫形式概念分析)作为一种概念聚类的方法,已被证明有利于机器学习、信息检索和知识发现等。在实际应用中,随着时间的推移生成概念格的形式背景会产生大量冗余的对象、属性或是对象与属性之间的二元关系,这导致概念格中无效概念增多,而去除这些无效概念,有利于降低概念格的规模,从而有助于更快更准确地获取知识。现阶段大多数研究学者关注于对象或属性的渐减式维护工作,对于二元关系粒度的渐减式维护工作的研究却很少。为降低概念格的规模,提高概念格的构造效率,本文提出了基于二元关系消减的概念格维护方法。与传统的基于新形式背景下重新构造概念格不同,该方法通过调整原始概念格而得到新概念格,故节省了大量的构格时间。文中首先分析了原始概念格和新概念格中概念节点之间的对应关系以及概念节点之间边的变化规律,在此理论基础上提出了自底向上广度优先的概念格二元关系消减算法,该算法可以处理形式背景中任意位置二元关系消减的情况。实验表明在一定程度上与传统算法相比能明显提高概念格的构造效率。以上概念格维护算法基于无限大内存这一假设为前提条件运行的。然而在有限内存下,当概念格的规模太大而无法全部载入内存时,使得以上基于二元关系消减的概念格维护算法不再适用。因此为解决超出内存容量的概念格的二元关系消减的维护问题,本文进一步提出了一种有限内存空间下基于外存的概念格维护算法。该算法以概念簇为基本单位划分概念格,同时利用最近最少使用调度策略释放内存中无用的概念节点,并从外存中调入所需的概念块,从而有效地降低了内存消耗,解决了内存不足的现象,为概念格的具体应用提供保障。文中从理论与实验结果两个方面表明,在限定的内存资源条件下,该方法以较小的内存消耗和时间代价,实现了概念格的有效维护。

关键词：有限内存空间概念格二元关系消减外存算法概念簇最近最少使用调度策略