注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 朴素贝叶斯文本分类器(java实现)

  2. 本程序实现了基于朴素贝叶斯方法的文本分类，附有源代码、实验报告、可执行程序以及语料库（包括训练集和测试集）

  3. 所属分类：Java

    • 发布日期：2010-06-13
    • 文件大小：1048576
    • 提供者：zh515858237

  1. 文本分类实验报告

  2. 本报告包括完整的文本分类处理过程，包括24万搜狗预料库的处理、jieba分词、停用词无关词处理、词袋模型的构建（CHI值检验用于特征筛选、tfidf作为特征向量值）。并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。

  3. 所属分类：VB

    • 发布日期：2016-12-02
    • 文件大小：6291456
    • 提供者：sgfmby1994

  1. 基于mfc的学生信息管理系统

  2. 功能均已实现调通，包含完整实验报告和说明及完整代码。 1.设计内容 ⑴ 利用MFC的向导，创建基于对话框的应用程序，添加按钮、编辑框等控件； ⑵ 设计通讯录的数据结构（如：以数组或者动态链表）和相应的类； ⑶ 完成对通讯录中记录的增加、修改、删除和显示。 ⑷ 将通讯录存入文件。能够打开并显示其中所存的同学信息，并可以进行后续的操作。 2.基本功能描述 ⑴ 添加，删除，修改，保存同学通讯录的信息； ⑵ 分类显示联系人信息； ⑶ 以文本形式导出同学通讯录信息。

  3. 所属分类：C/C++

    • 发布日期：2019-05-07
    • 文件大小：15728640
    • 提供者：m0_38054331

  1. SVM的两个例子（详细，有实验报告）

  2. SVM的两个例子（详细，有实验报告），这是之前找资料的时候花了很多积分下载的，我觉得还是蛮有用的，至少比网上很多人的没有用的错的代码强的多，这是SVM的分类，有对文本的分类，还有SVM最基础的例子。

  3. 所属分类：机器学习

    • 发布日期：2019-07-31
    • 文件大小：12582912
    • 提供者：gouptothesky

  1. 文本分类实验报告(详尽版本)

  2. 本报告包括详尽完整的文本分类处理过程，包括语料库的处理、jieba分词、停用词无关词处理、词袋模型的构建（CHI值检验用于特征筛选、tfidf作为特征向量值）。并用自编朴素贝叶斯以及sklearn包中的SVM进行了文本效果的检测，通过混淆矩阵和roc曲线展现了实现效果。实验报告写的很详细，不懂的地方可以看报告以及看博客中的部分细节讲解。

  3. 所属分类：算法与数据结构

    • 发布日期：2019-01-11
    • 文件大小：4194304
    • 提供者：sgfmby1994

  1. 用于第一个故事检测的多关系术语方案

  2. 第一故事检测（FSD）的目的是识别以前未报告的新兴事件的第一故事，这对于新闻分析，情报收集和国家安全中的实际应用至关重要。 与信息检索，文本聚类，文本分类和其他基于主题的任务相比，FSD是基于事件的，因此面临着同一主题上的多个事件和事件演变的挑战性问题。 为了解决这些挑战，已经为FSD提出了几种利用时间信息，命名实体和主题建模的方案。 在本文中，我们提出了一个称为LGT的新术语加权方案，该方案共同为每个故事的Local元素，Global元素和Topical关联建模。 然后设计了基于LGT的无监督

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：1048576
    • 提供者：weixin_38742532

  1. Faker：虚假信息挑战SBPBRiM-源码

  2. 朝着自动系统检测政治媒体中的虚假信息 介绍 根据各种因素，任何信息都可以是真实的或虚假的。 在此项目中，我们在两个基准数据集上使用深度学习和NLP技术将一段文本分类为真实或伪造。 请查看最终报告以查看有关体系结构和性能指标的更多信息。 说谎者 LIAR数据集有6种不同的类别，从True到Pants fire。 假新闻网 FNN有两个不同的类。 真实和虚假。 分词器 我们使用pyTorch的BERT标记工具。 我们删除了TF-IDF表示的停用词，并保留了双字TF-IDF的停用词。 嵌入 对于骗子

  3. 所属分类：其它

    • 发布日期：2021-02-15
    • 文件大小：34603008
    • 提供者：weixin_42102634

  1. 云环境下软件错误报告自动分类算法改进

  2. 用户提交的软件错误报告随意性大、 主观性强且内容少导致自动分类正确率不高， 需要花费大量人工干.预时间。随着互联网的快速发展用户提交的错误报告数量也不断增加， 如何在海量数据下提高其自动分类的精确度.越来越受到关注。通过改进词频-逆文档频率( TF-IDF) ， 考虑到词条在类间和类内出现情况对文本分类的影响， 提出.一种基于软件错误报告数据集的改进多项式朴素贝叶斯算法， 同时在 Hadoop 平台下使用 MapReduce 计算模型实现.该算法的分布式版本。实验结果表明， 改进的多项式朴素贝叶

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：1048576
    • 提供者：weixin_38692043