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. Web Data Mining (英文)

  2. 目录回到顶部↑ 第一部分 数据挖掘基础. 第1章 概述3 1.1 什么是万维网3 1.2 万维网和互联网的历史简述4 1.3 web数据挖掘5 1.3.1 什么是数据挖掘6 1.3.2 什么是web数据挖掘7 1.4 各章概要8 1.5 如何阅读本书10 文献评注10 第2章 关联规则和序列模式12 2.1 关联规则的基本概念12 2.2 apriori算法14 2.2.1 频繁项目集生成14 2.2.2 关联规则生成17 2.3 关联规则挖掘的数据格式19 2.4 多最小支持度的关联规则挖掘

  3. 所属分类：专业指导

    • 发布日期：2012-05-02
    • 文件大小：8388608
    • 提供者：chen_767

  1. 小学语文汉字记忆训练系统正式特惠版 V5.1D

  2. 《小学语文生字记忆训练系统》用户使用说明 本软件是国家教育技术研究课题《现代教育技术条件下小学语文生字记忆训练研究》的组成部分，是我们自主研究开发的软件成果。 如何在信息技术条件下进行汉字的记忆训练？ 信息技术条件下汉字的学习效率能否有新的突破？ 在不断发展的信息技术条件下如何实现辅助汉字学习提高学习效率的软件功能？ 希望能有更多的同仁参与我的研究，为中国汉字的教学，为中国文化传遍世界做出贡献！ 小学语文生字记忆训练系统，是学习与记忆生字的最佳工具，家长老师的得力助手！ 本软件是一款应用信息技

  3. 所属分类：教育

    • 发布日期：2013-11-30
    • 文件大小：11534336
    • 提供者：feixl88

  1. 文本挖掘tmSVM开源项目包含Python和Java两种版本带参考文档

  2. 文本挖掘tmSVM开源项目集成libSVM和liblinear包含Python和Java两种版本带PDF源码参考文档 简介 文本挖掘无论在学术界还是在工业界都有很广泛的应用场景。而文本分类是文本挖掘中一个非常重要的手段与技术。现有的分类技术都已经非常成熟，SVM、KNN、Decision Tree、AN、NB在不同的应用中都展示出较好的效果，前人也在将这些分类算法应用于文本分类中做出许多出色的工作。但在实际的商业应用中，仍然有很多问题没有很好的解决，比如文本分类中的高维性和稀疏性、类别的不平衡

  3. 所属分类：Python

    • 发布日期：2014-02-23
    • 文件大小：3145728
    • 提供者：vcfriend

  1. 基于词向量和词频的词重要度评价

  2. 基于词向量和词频的词重要度评价

  3. 所属分类：其它

    • 发布日期：2016-06-12
    • 文件大小：1048576
    • 提供者：u012485322

  1. 基于内容分析的微博转发行为研究.pdf

  2. 摘 要：【目的/意义】微博转发行为反映了微博用户对所感兴趣微博的一种行为表现，对微博转发行为的研究有助 于微博的深度挖掘工作。【方法/过程】本文从内容分析的角度，对微博转发行为进行了预测。量化分析了微博内容 中一组低水平特征和高水平特征，采用逻辑回归模型对微博转发概率进行预测，并在微博数据集中进行了训练和 验证。【结果/结论】基于模型中的参数学习，证实这些内容特征对于微博转发有着密切的联系，据此进一步推断微 博用户主要的兴趣点。 关键字：微博；转发；内容分析；情感理论研究 情报科学 第36卷第4

  3. 所属分类：其它

    • 发布日期：2019-09-07
    • 文件大小：1048576
    • 提供者：maomao1688

  1. 标准送审稿2019DevOps研发运营(3).pdf

  2. 标准送审稿2019DevOps研发运营(3).pdfYDT1756T2018 7.11配置对象 ..11 7.12配置数据 11 8容量和成本管理 81容量管理…… 12 81.1基础设施容量 12 812业务容量 12 8,2成本管理… 13 821成本合理性 822预算与核算 13 9高可用管理 4 91应用高可用管理, 14 911弹性能力 14 912柔性能力 15 913运行与维护管理 .15 92数据高可用管理…. 16 921数据库高可用 16 922缓存高可用 17 10业务连续

  3. 所属分类：互联网

    • 发布日期：2019-07-05
    • 文件大小：1048576
    • 提供者：zl3533

  1. \"Tag-TextRank：一种基于Tag的网页关键词抽取方法\"分享总结

  2. NULL 博文链接：https://snv.iteye.com/blog/1886969在 Wikipedia中的实体,并且算法的复杂度很高。另外,国内一些学者lm2也开展了关键 词提取的研究。实际上,从上面的工作,我们可以得到这样的基本结论:基本的R特征可 以找到部分关键词,而加入用户信息或者领域知识可以进一步提高关键词抽取效果。 本文利用Tag信息来提高关键词的抽取效果。近年来,Tag数据作为·种新的资源, 其挖掘和利用已经成为信息检索、社区发现等领域的研究热点。从数据质量上讲,Iag数 据

  3. 所属分类：其它

    • 发布日期：2019-04-20
    • 文件大小：1046528
    • 提供者：weixin_38669628