信息处理漫谈与案例.pptVIP

  1. 1、有哪些信誉好的足球投注网站(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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
信息处理漫谈与案例

* * * 预处理去除停用词 虚词,助词出现频率高,对于表达意义的贡献却不大. 如:“着” 、“了” 、“过” 、“的” 、“地” 、“得” 统计词频时过滤掉这些停用词. * 特征选择 目标 表达力强 频率较高 区分度高 合理的特征评价函数 消除干扰,提高分类准确率 特征空间降维,减少运算量 * 特征选择(2) 文档频次 (DF) 根据预先设定的阈值去除那些文档频次特别低和特别高的特征项。 合理的阈值往往难以得到 ! 互信息(MI) 出现频率差异很大的特征项的互信息大小不具有可比性 !(即低频特征具有较高的MI) 同时,训练集中不同类别相差较大时,低频词也有较大MI. 实践证明,互信息方法是效果最差的特征选择方法! * χ2 Statistic χ2 统计量(念xi):度量两者(term和类别)独立性的缺乏程度, χ2 越大,独立性越小,相关性越大(若ADBC,则类和词独立, N=A+B+C+D) A B C D t ~t c ~c * 特征选择性能比较: * 特征项权重计算 布尔权重 词频权重 TFIDF权重 * Similarity computing Two document D1, D2, they can be represented with VSM D1=(d1, d2,… dn) D2=(d1’, d2 ’,… dn ’) We could compute the similarity with Cos(D1,D2)=|D1*D2|/(|D1|* |D2|) =| d1* d1’+ d2* d2’+… dn * dn’| sqrt(D1*D1) * sqrt(D2*D2) * Outline Semantic computing Text representation and similarity computing Text clustering and categorization Information retrieval and search engine (FTP case) Information extraction and question answering (sample system demo) Keywords extraction and automatic abstraction One more case: Computer Aided Law Understanding Text Categorization Classifier Text Categorization * Introduction to Classifier Generative Classifier Maximize likelihood of training data Learn a model of joint probability p(x, y) e.g. Na?ve bayes Discriminative Classifier Minimize classification error rate Learn a direct mapping from input x to the class labels y or model the posterior p(y|x) directly e.g. SVM * Generative Classifier vs Discriminative Classifier Generative Classifier Build statistical model of each class Discriminative Classifier Build model of boundary between classes * A simple discriminative Classifier Given a space of word vectors Define a hyperplane ,which divides the data into two parts * ° * * * * * * * * ° ° ° ° ° ° ° ° * Text Categorization x1 x2…xn y x1 x2…xn y x1x2…xn y … x1x2…xn y Feature Selection x1x2 …xn Model Training x1 x2…xn x1 x2…xn ? Data Text * Components of Text Categorization Text

文档评论(0)

2105194781 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档