【摘 要】
：
为了提高关键词提取的准确率,在利用文本中相同词的前后词共现频率识别组合词的基础上,提出一种基于改进词语统计特征的朴素贝叶斯关键词提取算法。该算法选取词语的词长、词
【基金项目】
：
国家“十二五”科技支撑计划项目(2012BAD35B02)
论文部分内容阅读
为了提高关键词提取的准确率,在利用文本中相同词的前后词共现频率识别组合词的基础上,提出一种基于改进词语统计特征的朴素贝叶斯关键词提取算法。该算法选取词语的词长、词性、位置、TF-IDF值作为词语的特征项,改进了统计词长、TF-IDF和词频的方法,使长词和TF-IDF大的词具有更高的概率,而在统计词频时,考虑了词语之间包含与被包含的关系。然后,采用朴素贝叶斯模型对标记好关键词的文本进行训练,获得各个特征项出现的概率,用来提取文本的关键词。实验表明,与传统基于词频和决策树C4.5的关键词提取算法相比,采用该方法提取的关键词具有更高的准确率和可读性。
其他文献
肝硬化晚期严重并发症包括难治性腹水、自发性腹膜炎、肝肾综综合征(HRS)等。国外文献报道肝硬化并发腹腔积液患者1年的肝肾综合征发生率为18%,5年为40%。在肝功能衰竭患者中
为了提高中文关键词提取的准确率和实用性,提出一种基于TF统计和语法分析相结合的中文关键词提取算法。该算法在对文本进行自动分词后,用TF统计和语法分析对每个词进行权重计
2014年中国纪录片文化形态基本保持着一贯的格局:主流文化依然引领国家意识形态,中国梦成为一种创作时尚;大众文化与产业共舞,大众趣味转化为大众市场;精英文化整体退缩,但也
藤原彰是日本著名的军事历史学家,同时也曾是侵华战争时期的日军军官。由于兼具两种身份,所以其回忆录《中国战线从军记》有着特别的价值,为读者提供了一个了解日军真实状况
在美国６０年代的文学甚至文化中都享有重要的地位的冯尼格的《五号屠场》的主题是战争．冯尼格以对战争的残酷、荒谬与丑恶的展示，表达了他强烈的反战倾向与一个和平主义者的立场。
近年来,中国经济飞速发展,带动能源需求迅速上升,原油和成品油进口量增幅也屡创新高,柴油供应紧缺,能源问题成为最受关注的热点问题。不仅如此,环境问题也多次作为国际重大会
近年来,我国现代服务外包产业发展迅速,日益成为国家重点发展的领域。然而,在我国现代服务外包产业的发展过程中依然存在诸多问题:如缺少国际服务外包专业人才;服务外包企业
研究了卫星质心已精确确定后,基于非线性卡尔曼滤波的星间微波测距系统的相位中心在轨标定方法。用非线性卡尔曼滤波对4种机动律的数据进行标定计算。仿真结果表明:当设定合
企业究竟选择何种企业制度,受企业内、外部诸因素的影响和制约。对于家族企业自身而言,保持这一传统的企业模式是有其内在原因的。寻找这一企业制度选择的内在动因,才能理解
在纪录片近百年的发展过程中,其传播媒介历经电影、电视再到网络的不断演化,催生出不同形态的纪录片类型,新媒体纪录片就是其中的一种。当前新媒体纪录片的存在形态主要包括