文件名称:
提出在缩小层次文本分类法中利用全局信息局限性的外部方法
开发工具:
文件大小: 2mb
下载次数: 0
上传时间: 2014-12-30
详细说明： 将文档归入大规模的网络分类法中是一项具有挑战性的研究问题,因为在分类法中存在大量的类别和相关文档。最先进的解决方案被称为narrow-down方法，它利用搜索引擎将整个类别层次结构减小到最相关的类别,并使用分类法选择其中最好的。在最近的语言建模方法中,顶级类别信息(或全球信息)被用于判断本地类别的恰当性,这使得性能得到了提升。然而,我们观察到，在一定条件下，使用全局信息在最终的类别选择上会产生限制性的影响。首先,尽管全局信息是由一个完整的层次结构的顶级类别分类产生的，但可能也是不准确的。第二,当两个相互排斥的类别共享相同的顶级类别，或当本地的类别信息在最终的类别选择上有较大的影响时，全局信息的影响不大。为了解决这种限制性，在这篇文章中，我们提出了两种额外的方法： （1）在基于集成学习框架的顶级类别中，一种依赖期刊特征的元分类法 （2）基于统计反馈方法的查询修改模型，以此来改善查询文档表示，而不是在层次结构中编排信息。通过使用开放的词典项目测试集合来评估我们的方法。
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
