- 1、本文档共58页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
大数据与数据挖掘-;文本挖掘的背景;文本挖掘概念;文本挖掘的过程;预处理;最大匹配分词法;;;;停用词;9、 人的价值,在招收诱惑的一瞬间被决定。5月-215月-21Friday, May 28, 2021
10、低头要有勇气,抬头要有低气。03:54:5403:54:5403:545/28/2021 3:54:54 AM
11、人总是珍惜为得到。5月-2103:54:5403:54May-2128-May-21
12、人乱于心,不宽余请。03:54:5403:54:5403:54Friday, May 28, 2021
13、生气是拿别人做错的事来惩罚自己。5月-215月-2103:54:5403:54:54May 28, 2021
14、抱最大的希望,作最大的努力。28 五月 20213:54:54 上午03:54:545月-21
15、一个人炫耀什么,说明他内心缺少什么。。五月 213:54 上午5月-2103:54May 28, 2021
16、业余生活要有意义,不要越轨。2021/5/28 3:54:5403:54:5428 May 2021
17、一个人即使已登上顶峰,也仍要自强不息。3:54:54 上午3:54 上午03:54:545月-21;9、 人的价值,在招收诱惑的一瞬间被决定。5月-215月-21Friday, May 28, 2021
10、低头要有勇气,抬头要有低气。03:54:5403:54:5403:545/28/2021 3:54:54 AM
11、人总是珍惜为得到。5月-2103:54:5403:54May-2128-May-21
12、人乱于心,不宽余请。03:54:5403:54:5403:54Friday, May 28, 2021
13、生气是拿别人做错的事来惩罚自己。5月-215月-2103:54:5403:54:54May 28, 2021
14、抱最大的希望,作最大的努力。28 五月 20213:54:54 上午03:54:545月-21
15、一个人炫耀什么,说明他内心缺少什么。。五月 213:54 上午5月-2103:54May 28, 2021
16、业余生活要有意义,不要越轨。2021/5/28 3:54:5403:54:5428 May 2021
17、一个人即使已登上顶峰,也仍要自强不息。3:54:54 上午3:54 上午03:54:545月-21;文档建模;;文档的向量空间模型;W权值计算方法TF-IDF
目前广泛采用TF-IDF权值计算方法来计算权重, TF-IDF的主要思想是,如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。
TF词频(Term Frequency)指的是某一个给定的词语在该文件中出现的次数。
IDF逆文档频率(Inverse Document Frequency)是全体文档数与包含词条文档数的比值。如果包含词条的文档越少,IDF越大,则说明词条具有很好的类别区分能力。
在完整的向量空间模型中,将TF和IDF组合在一起,形成TF-IDF度量:TF-IDF(d,t)= TF(d,t)*IDF(t)
;TF度量;IDF度量;关键词与网页的相关性计算;;;;算例1;算例2;文档相似性计算;;文档相似性计算示例;;;信息检索;文本检索的基本度量;信息检索的度量方式;模型质量的评价实例;文本挖掘举例;文档向量化;查询:相关度;文档间相似度(余弦定理);3.文本的维度规约;文本挖掘方法;(1)关键词检索
关键词建立倒排文件索引,与传统的信息检索使用的技术类似。
(2)相似检索
找到相似内容的文本。
(3)词语关联分析
聚焦在词语(包括关键词)之间的关联信息分析上。
(4)文本聚类和文本分类
实现文本的聚类和分类。
(5)自然语言处理
揭示自然语言处理技术的语义,进行文本语义挖掘。
;关联分析挖掘 ;关联分析挖掘 ;关联分析挖掘 ;关联分析挖掘;文档分类分析;文档分类分析;文档分类分析;文档分类分析;文档分类分析;文档分类分析;文档分类分析;文档聚类分析;文档聚类分析;文档聚类分析;文档聚类分析;文档聚类分析;文档聚类分析;
您可能关注的文档
- 第二章企业法律制度.pptx
- 第二章会计要素与会计等式.pptx
- 第二章会展旅游的发展.pptx
- 第二章产品质量法.pptx
- 第二章人员招聘与配置.pptx
- 第二章产业组织理论的形成与发展.pptx
- 第二章仓储设施与设备.pptx
- 第二章中国环境保护体系.pptx
- 第二章中药化学成分的一般研究方法.pptx
- 第二章专业化销售循环唐卫东.pptx
- 福建省邵武市四中学片区达标名校2024届中考化学最后一模试卷含解析.doc
- 山东省临沂市沂南县重点达标名校2024届中考适应性考试化学试题含解析.doc
- 2024届浙江省嘉兴地区达标名校中考猜题化学试卷含解析.doc
- 2024届山东省菏泽市单县市级名校中考化学最后一模试卷含解析.doc
- 上海市建平西校2024届中考适应性考试化学试题含解析.doc
- 江苏省南京市六校联考2024年中考联考化学试卷含解析.doc
- 江苏省扬州市江都区城区重点名校2024届中考考前最后一卷化学试卷含解析.doc
- 郑州二中学2024届中考化学五模试卷含解析.doc
- 2024届湖南省张家界市永定区重点中学中考化学最后冲刺模拟试卷含解析.doc
- 河北省石家庄市43中学2024年中考化学模拟试题含解析.doc
文档评论(0)