-
公开(公告)号：CN109933670A
公开(公告)日：2019-06-25
申请号：CN201910209354.X
申请日：2019-03-19
Applicant: 中南大学
Abstract: 本发明公开了一种基于组合矩阵计算语义距离的文本分类方法，包括步骤：S1、对中文文本进行处理，生成基于词袋模型的向量空间模型；S2、对于全部文本集合，使用生成的词袋模型文本向量作为训练语料，采用word2vec训练词向量，并结合训练出来的词向量和文本向量，构成一个文本矩阵；S3、对文本矩阵进行交叉运算，得到文本之间的语义距离。本发明提出的文本向量的表示和语义距离的计算方法，既克服了传统的词袋模型的缺陷，也改善了TF-IDF算法的不足，从而可以训练出更好的分类模型来提升文本分类的准确性。
-
公开(公告)号：CN109977285B
公开(公告)日：2023-03-10
申请号：CN201910215453.9
申请日：2019-03-21
Applicant: 中南大学
IPC: G06F16/951 , G06F16/906
Abstract: 本发明公开了一种面向Deep Web的自适应增量数据采集方法，包括以下步骤：步骤1：对给定的结构化的DeepWeb数据源进行多个周期的全量采集；步骤2：利用位于本地数据仓库的初始收集到的数据进行数据源聚类；步骤3：分别统计各个类别中数据源的数量，得到抽样数据源的采样数据；步骤4：对采样数据进行分析预测；步骤5：调度器根据对各数据源s的下载概率的计算，在每个数据采集周期选择平均下载概率最高的类，并调度下载器进行数据下载，将增量更新的结果加入到本地数据仓库；步骤6：在每一个数据采集周期结束后，需要对各次下载结果进行评估(计算的值)，用于在步骤4中影响数据源s的采集概率
-
公开(公告)号：CN109977285A
公开(公告)日：2019-07-05
申请号：CN201910215453.9
申请日：2019-03-21
Applicant: 中南大学
IPC: G06F16/951 , G06F16/906
Abstract: 本发明公开了一种面向Deep Web的自适应增量数据采集方法，包括以下步骤：步骤1：对给定的结构化的DeepWeb数据源进行多个周期的全量采集；步骤2：利用位于本地数据仓库的初始收集到的数据进行数据源聚类；步骤3：分别统计各个类别中数据源的数量，得到抽样数据源的采样数据；步骤4：对采样数据进行分析预测；步骤5：调度器根据对各数据源s的下载概率的计算，在每个数据采集周期选择平均下载概率最高的类，并调度下载器进行数据下载，将增量更新的结果加入到本地数据仓库；步骤6：在每一个数据采集周期结束后，需要对各次下载结果进行评估(计算的值)，用于在步骤4中影响数据源s的采集概率
-
公开(公告)号：CN109933670B
公开(公告)日：2021-06-04
申请号：CN201910209354.X
申请日：2019-03-19
Applicant: 中南大学
IPC: G06F16/35 , G06F40/30 , G06F40/284
Abstract: 本发明公开了一种基于组合矩阵计算语义距离的文本分类方法，包括步骤：S1、对中文文本进行处理，生成基于词袋模型的向量空间模型；S2、对于全部文本集合，使用生成的词袋模型文本向量作为训练语料，采用word2vec训练词向量，并结合训练出来的词向量和文本向量，构成一个文本矩阵；S3、对文本矩阵进行交叉运算，得到文本之间的语义距离。本发明提出的文本向量的表示和语义距离的计算方法，既克服了传统的词袋模型的缺陷，也改善了TF‑IDF算法的不足，从而可以训练出更好的分类模型来提升文本分类的准确性。
-
-
-
Search Results
4
records
(took 0.015 seconds)
