基于新词发现的网络新闻热点排名

[目的/意义]随着网络新闻的广泛快速传播,通过辨析网络新词,及时掌握新闻热点关键词,对于了解新闻热点和社会舆情的预警控制具有十分重要的意义。[方法/过程]利用改进的关联规则算法对网络新闻标题进行挖掘,相邻、有序地输出频繁字符串集合。根据互信息计算字符串的相似度,形成热点新闻的关键词集合,以实际的网络新闻为语料进行实验。[结果/结论]实验结果表明,本文所提出的方法不仅能有效地发现词典中不存在的新词汇以及当前网络中流行的热词,而且有效地区别词汇集合中的复合式新词,继而可通过热词集合的热点度计算对网络新闻热点进行排名。     

文本分类中一种改进的特征选择方法

本文提出了一种改进的基于互信息的特征选择方法，与改进的TF-IDF权值公式相结合对文本特征进行选择，提高了特征项信息利用效率。试验表明，该算法提高了文本分类正确率。     

基于专利语料库的双语词典自动抽取及其在知识图谱中的应用

将大量中英文对照的专利文本作为平行语料库,提出一种自动抽取中英文词典的方法.先利用外部语义资源维基百科构建种子双语词典,再通过计算点互信息获得中英文词对的候补,并设置阈值筛选出用于补充种子词典的词对.实验结果表明:对英语文档进行单词的短语化有助于提高自动抽取结果的综合性能;另一方面,虽然通过句对齐方式可以提高自动抽取结...     

基于主路径的领域知识扩散演变研究--以太阳能领域为例1）

识别领域知识演变转折点对于把握领域知识扩散规律具有重要意义。以主路径为桥梁,阐明领域知识扩散中的知识继承机制和知识改写机制,以及其中的知识演变现象。以直接引用文献间的信息传递关系为基础,利用互信息构建了反映领域知识演变的两个计量指标：RTP 和 RPT 。以 Web of Science 中太阳能领域文献为例,利用 Pajek 识别出该领域主路径;以主路径文献中的关键词为对象,统计全文中关键词出现的频次,计算演变转折指标并识别出了太阳能领域的知识演变转折点,通过文献分析证明了该方法的有效性。     

中文文本分类中一种基于语义的特征降维方法

文本提出了一种基于语义的特征降维方法。通过依存关系抽取实现一次降维;通过计算类别和依存关系特征项的语义相似度,结合互信息方法进行特征选择实现二次降维。对中文文本分类的实验结果表明,提出的特征降维方法具有较好的分类效果。     

基于新型文档频的平均互信息改进研究

互信息未考虑单个特征词发生的频率,不仅造成了互信息评价函数倾向于选择特征的稀有词,而且还过滤掉了经常出现的高频词。当特征关键词和类别都增多时,得到的特征关键词与类别之间的平均互信息变小,说明数据在处理过程中去掉了信息,不会创造出新的信息。为此把文档频引进平均互信息,使其对平均互信息的缺点进行修正。实验证明,该方法具有训练和测试速度快,特征提取速度非常快等特点。     

基于互信息强度构建标签概念层次结构方法的探究

大众分类、社会化标注等个性化标签系统对网络资源的组织优势很明显,但存在标签多样和概念结构模糊的缺陷。文章以“豆瓣”读书标签为例,探讨自由标签系统概念上下位关系的识别方法。主要是先对标签进行聚类,将其分成若干个内部结构联系紧密的类簇,然后以互信息强度,具体判别上下位关系,由此构建标签层次结构。实验表明构建完成的概念层次结构图,能够比较准确地识别标签间的概念关系,为用户提供良好的标签导航和浏览机制。     

信息论特征选择算法的改进

特征选择在模式识别技术中起着非常重要的作用，已有多种特征选择的方法，但用信息论的方法进行特征选择还是一个新的课题，MIFS算法和MIFS-U算法都是近似算法，随着输入特征的增加，特征选择性能逐渐下降．本文通过研究这两种算法，提出一种改进方法，在运算量几乎不增加的情况下，提高这两种算法的特征选择性能。     

基于多层神经网络和PReLU函数的后非线性BSS算法

本文提出了一种以多层神经网络来估计概率密度函数的后非线性盲源分离算法.该算法将PReLU函数作为激活函数,并对概率密度函数进行自适应逼近,以最小互信息作为基本准则来构建目标函数测试独立性.最后用改进后的自然梯度算法推导出分离矩阵和迭代公式,以此来更新目标函数.仿真实验证明所提算法可以有效分离非线性混合信号.     

选择生成器序列概率模型信息论分析

本文运用信息论原理对选择生成器序列进行分析，得到时钟控制序列与钟控输出序列互信息为零的结果，即从选择生成器输出序列中得不到控制序列的任何信息，此外，还得到钟控输入与输出序列互信息的一个下界，所得结论可以为钟控生成器的设计者和分析者提供理论参考．