【摘 要】
：
不同词性特征在文本聚类中有不同的贡献度。该文对四组有代表性的中英文数据集,利用三种聚类算法验证了四种主要词性及其组合对中英文文本聚类的影响。实验结果表明,在中文和
【机 构】
：
南京大学信息管理学院,解放军理工大学指挥自动化学院
【基金项目】
：
863计划项目“科技文献服务为主的搜索引擎研制”(2011AA01A206);2011年南京大学研究生科研创新基金资助项目“中英双语文本聚类技术及其应用研究”(2011CW12)
论文部分内容阅读
不同词性特征在文本聚类中有不同的贡献度。该文对四组有代表性的中英文数据集,利用三种聚类算法验证了四种主要词性及其组合对中英文文本聚类的影响。实验结果表明,在中文和英文两种语言中,名词均是表征文本内容的最重要词性,动词、形容词和副词均对文本聚类结果有帮助,仅选择名词作为特征聚类的结果与保留所有词性聚类的结果相近,但可大大降低文本的维度;选用名词为文本特征不能实现最好的聚类效果;相对其他词性组合和单一词性,采用名词、动词、形容词和副词的组合特征往往可以实现更好的聚类效果。在词性所占的比例以及单一词性聚类的结果上,同一词性在中英文文本聚类中呈现出较大差异。相对于英文,不同词性特征及其组合在中文文本聚类中呈现的差异更为稳定。
其他文献
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
周围神经损伤后轴突的再生是实现功能恢复的前提,如何维持神经轴突的生长,影响因素很多,其中,与损伤有关的神经细胞体活性的变化、坏死程度、坏死后的再生以及再生后的神经细
对于我们国家来说,近年来由于产业结构的调整、城市的发展和人们环境保护意识的增强,造成许多旧工业建筑资源的闲置或功能的转变,也带来了一系列的环境、经济和社会问题。对
物理是基于实验的一门自然科学,其相关实验仪器的精确性、操作的可行性对物理的探究过程及实验结果至关重要。由于物理所涉范围较广,多数高校所储实验仪器不甚完备,加之课时
在工程设计、加固改造中,对于工程结构现有的状况进行科学性的准确评估是至关重要的环节,文章介绍实荷堆载法在工程结构评估与检测中的应用.
纸是我国历史上四大发明之一,历史非常悠久。自从有了纸,也就有了纸的造型艺术。纸工艺术是练习手指灵活的一种行之有效的方法。它可以培养人的创造意识、思维能力等各种能力
在多级串联全混流反应器中针对二级不可逆反应,推导出第N级串级反应器的出口浓度表达式。为与平推流反应器进行比较,引入反应器的相对效率,在平推流反应器中一定的转化率条件
针对如何实现高职护理教育改革从“需求侧的拉动”到“供给侧的推动”的根本转变,培养适合社会多样化、个性化需求的高职护理人才,最终实现有效供给,以黑龙江护理高等专科学
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清华大学发明人:隋森芳文摘:本发明属于生物技
目的:分析孕妇应用连续性助产护理干预对母婴的积极妊娠结局以及护理满意度评价的影响。方法:取笔者所在医院产科2016年5月-2018年6月单胎头位产妇为分析对象,根据产妇入院时