检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于标签树的生长干部招生计划聚类方法

国防科技大学学报 2013年第3期35卷 24-29页

作者：钱高祥张翀张维明国防科技大学信息系统工程重点实验室湖南长沙410073 总政治部干部部北京100031

生长干部招生计划是规定军队干部补充来源渠道及数量规模的重要依据,对干部队伍建设与发展具有重要的意义。随着招生计划每年拟制与积累,分析与评估计划将会起到辅助决策的作用,对招生工作的实施带来深远影响。本文从数据挖掘的角度,以... 详细信息

生长干部招生计划是规定军队干部补充来源渠道及数量规模的重要依据,对干部队伍建设与发展具有重要的意义。随着招生计划每年拟制与积累,分析与评估计划将会起到辅助决策的作用,对招生工作的实施带来深远影响。本文从数据挖掘的角度,以聚类的方法研究分析招生计划,这为分析历年计划的波动性并理解评价计划与政策的贴合度提供了定量分析的手段。首先分析了招生计划的特点,进而提出以标签树量化招生计划的解决思路,通过抽取标签树中的特征子树作为聚类中的度量特征,并采用共现的方法实施"先形成核心,再依次分类"的步骤完成聚类。实验表明该方法在合成数据集和真实数据集上聚类效果较好、效率较高,对分析招生计划具有一定理论意义。

关键词：招生计划标签树聚类

在线全文

学校读者我要写书评

暂无评论

基于向量空间模型的标签树构建方法研究

情报学报 2014年第3期33卷 277-283页

作者：李艳贾君枝西安工业大学图书馆西安710021 山西大学经济与管理学院太原030006

分众分类系统标签具有语义模糊、不精确、随意的缺点，导致用户信息发现和分享效率低下。论文借助受控词表教育类高频主题词作为分众分类系统的检索入口词，***网站中用户、标签、资源三元组数据作为数据源，充分考虑用户、资源、标签... 详细信息

分众分类系统标签具有语义模糊、不精确、随意的缺点，导致用户信息发现和分享效率低下。论文借助受控词表教育类高频主题词作为分众分类系统的检索入口词，***网站中用户、标签、资源三元组数据作为数据源，充分考虑用户、资源、标签三者之间的关系，使用资源数表示标签向量，并对标签进行相似性计算，运用系统聚类法计算其聚类系数，构建适合的标签簇，依据资源数量的大小建立标签层次结构，形成标签树。旨在提高标签检索效率，为进一步标签语义挖掘打好基础。

关键词：分众分类受控词表标签聚类标签树

从大众分类到层次式资源组织体系——利用聚类信息构建标签树

在线全文

学校读者我要写书评

暂无评论

图书情报工作 2013年第22期57卷 120-125,59页

作者：罗鹏程陈翀北京师范大学信息管理系

提出一种合理运用大众标注数据自动构建资源导航体系的方法,首先使用聚类技术将标签分成主题相近的簇,然后在簇内按标签的泛指度和相似性构造标签树。将该方法用在公开的标签数据集SocialODP-2k9上进行实效评价,结果表明,本方法减少了... 详细信息

提出一种合理运用大众标注数据自动构建资源导航体系的方法,首先使用聚类技术将标签分成主题相近的簇,然后在簇内按标签的泛指度和相似性构造标签树。将该方法用在公开的标签数据集SocialODP-2k9上进行实效评价,结果表明,本方法减少了以往标签树构造方法中"意义漂移"的缺陷,使组织结构有更好的语义一致性,且具有更好的导航效率,从而使本研究能适应信息组织与服务的实际需要。

关键词：社会标注标签树资源组织导航

在线全文

学校读者我要写书评

暂无评论

基于并行标签树的极限多标签分类研究

基于并行标签树的极限多标签分类研究

作者：陆佳琦华东师范大学

学位级别：硕士

极限多标签分类是机器学习领域一个新兴的研究方向,它常被用于推荐系统、文本分类等实际应用场景中。这些应用通常数据体量大、对模型的训练速度要求高,因此,加快模型的训练速度成为了极限多标签分类的主要研究方向,本文也以加快模型的... 详细信息

极限多标签分类是机器学习领域一个新兴的研究方向,它常被用于推荐系统、文本分类等实际应用场景中。这些应用通常数据体量大、对模型的训练速度要求高,因此,加快模型的训练速度成为了极限多标签分类的主要研究方向,本文也以加快模型的训练速度为主要研究内容。标签树模型因其解释性好、训练速度快,成为了极限多标签分类的主要解决方法。本文以标签树为研究对象,针对标签树难以并行化的问题,发掘结点间的数据无关性以及结点层数和训练时间的指数关系,提出了线程级别的两阶段并行方法,对同层结点的分裂过程以及单个结点的平衡k均值算法进行并行,将训练时间从27小时缩短至1小时。同时,该方法可在单机上运行,最小化硬件开销。在极限多标签分类中,大量的训练数据需要学习大量的参数,此时单机内存不足就成为了限制模型训练的一大障碍。本文首先从算法角度出发,将模型的参数矩阵分割成若干小参数矩阵。然后,使用MPI将其分发到不同节点进行参数的分布式训练,并对MPI的分发和接收过程进行优化,最大化重叠模型训练和进程间通信。实验表明,模型的预测准确率达到81.30%,与其他模型基本持平,但加速比高达23,在保持模型预测准确率的同时,大幅缩短模型的训练时间。

关键词：极限多标签分类机器学习标签树并行 MPI

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于约束树编辑距离与导航树的信息采集

计算机工程 2009年第14期35卷 75-77,80页

作者：姜波丁岳伟上海理工大学计算机与电气工程学院上海200093

介绍基于网站和网页结构的信息采集算法,提出一种基于约束树编辑距离的导航树算法。该算法通过提取网页的HTML的重要标记生成网页结构的标签树,对网页进行结构分析,通过约束树编辑距离算法判断爬行到的网页与主题的相关性,并根据网站基... 详细信息

介绍基于网站和网页结构的信息采集算法,提出一种基于约束树编辑距离的导航树算法。该算法通过提取网页的HTML的重要标记生成网页结构的标签树,对网页进行结构分析,通过约束树编辑距离算法判断爬行到的网页与主题的相关性,并根据网站基于URL的拓扑结构,提出基于导航树的信息采集约束信息采集器的爬行路径,提高了目标页面采集的效率和准确率。

关键词：标签树树编辑距离导航树

在线全文

学校读者我要写书评

暂无评论

一种基于域冲突空间的分布式报文分类算法

计算机应用研究 2009年第9期26卷 3266-3269页

作者：周粳迪程东年刘勤让国家数字交换系统工程技术研究中心郑州450002

随着网络传输速率的不断提高,分布式报文分类算法以其快速高效的特点越来越受到业界的关注,但却普遍存在内存消耗过高的问题。针对这一问题提出了基于域冲突空间的多标签树算法(MLT-FCS),将各域规则划分为不同的冲突区,并为冲突区和区... 详细信息

随着网络传输速率的不断提高,分布式报文分类算法以其快速高效的特点越来越受到业界的关注,但却普遍存在内存消耗过高的问题。针对这一问题提出了基于域冲突空间的多标签树算法(MLT-FCS),将各域规则划分为不同的冲突区,并为冲突区和区内元素分配各自的标签,然后在此基础上设计出两级查询机制以减少待查规则的数目,充分利用硬件的并行处理和流水线操作特性,提出了第二级查询的多标签树算法。分析及仿真表明,MLT-FCS在实现高速分类(OC-192)的同时减少了存储开销,并为规则库规模的扩展和规则维数的扩展提供了较好的支持。

关键词：报文分类分布式域冲突空间标签树

在线全文

学校读者我要写书评

暂无评论

基于分块的网页正文信息提取算法研究

计算机应用 2007年第B6期27卷 24-26,30页

作者：黄文蓓杨静顾君忠华东师范大学计算机科学技术系上海200062

提出并实现了一种从Web页面获取正文的方法。该方法包括2个步骤:网页分块和对内容块的取舍。网页分块采用了一种自底向上分析标签树的自动分块算法,该算法比起以往方法更准确,并且对于复杂结构的页面分块效果更好。通过引入块的重要度... 详细信息

提出并实现了一种从Web页面获取正文的方法。该方法包括2个步骤:网页分块和对内容块的取舍。网页分块采用了一种自底向上分析标签树的自动分块算法,该算法比起以往方法更准确,并且对于复杂结构的页面分块效果更好。通过引入块的重要度和块特征分析每个内容块,来辨别出含有正文的内容块。实验结果表明本方法切实可行并且具有较高的准确性。

关键词： Web网页正文提取内容块标签树噪音

在线全文

学校读者我要写书评

暂无评论

Web页面自顶向下的正文信息定位算法

计算机工程 2010年第13期36卷 76-78页

作者：缪霖邱会中电子科技大学计算机科学与工程学院成都610054

正文信息是一个Web网页中除了链接、导航、广告等以外的主题信息。提出并实现一种针对含"正文"的Web页面的信息提取算法。该算法采用自顶向下遍历HTML标签树的方法,通过文字链接率、连续文字长度等统计数据不断筛选、分析,从而定位最佳... 详细信息

正文信息是一个Web网页中除了链接、导航、广告等以外的主题信息。提出并实现一种针对含"正文"的Web页面的信息提取算法。该算法采用自顶向下遍历HTML标签树的方法,通过文字链接率、连续文字长度等统计数据不断筛选、分析,从而定位最佳正文信息域,将文字内容提取出来。实验结果表明,该算法可行性强,具有较高的准确率。

关键词：正文信息定位文字链接率最佳正文子树标签树

在线全文

学校读者我要写书评

暂无评论

基于信息量衰减幅度的网页正文提取

计算机工程与设计 2012年第7期33卷 2555-2560页

作者：陈阳陈兴蜀吴麒四川大学计算机学院网络与可信计算研究所四川成都610065 中国电子科技集团公司第二十九研究所信息综合控制国家重点实验室四川成都610065

网页中的正文信息往往被相关链接、导航条、广告、版权说明等信息包围,为了更加精确地提取出网页正文信息,提出了一种基于信息量变化幅度的网页正文提取方法。该方法将网页中的HTML标签表示成一棵树,通过计算子树间正文信息量的衰减幅... 详细信息

网页中的正文信息往往被相关链接、导航条、广告、版权说明等信息包围,为了更加精确地提取出网页正文信息,提出了一种基于信息量变化幅度的网页正文提取方法。该方法将网页中的HTML标签表示成一棵树,通过计算子树间正文信息量的衰减幅度确定主题区域子树,对该子树进行裁剪之后提取出正文信息。在获取主题区域子树后,对整个网页范围内的正文提取将被限制在网页正文所在的区域,这样就大幅度降低了网页噪音的干扰,从而能更加精确地提取出网页正文信息。实验结果表明,该方法的抽取准确率可以达到95%以上,具有较好的应用价值。

关键词：网页正文提取标签树主题区域子树信息抽取网页噪音