基于主题模型的文本分类算法性能比较SSCI

文章利用LDA模型进行文本降维和特征提取,并将传统分类算法置于集成学习框架下进行训练,以探讨是否能提高单一分类算法的分类准确度,并获得较优的分类效果,使LDA模型能够发挥更高的性能和效果,从而为文本分类精度的提高服务。同时,以Web of Science为数据来源,依据其学科类别划分标准,建立涵盖6个主题的实验文本集,利用Weka作为实验工具,以平均F值作为评价指标,对比分析了朴素贝叶斯、逻辑回归、支持向量机、K近邻算法4种传统分类算法以及AdaBoost、Bagging、Random Subspace 3种集成学习算法的分类效果。从总体上看,通过“同质集成”集成后的文本分类准确率高于单个分类器的分类准确率;利用LDA模型进行文本降维和特征提取,将朴素贝叶斯作为基分类器,并利用Bagging进行集成训练,分类效果最优,实现了“全局最优”。     

急性白血病相关基因的文本挖掘分析

从PubMed检索1966年到2005年9月6日间白血病与基因关系的相关文献3 529篇.经编程处理生成主题词词篇矩阵并进行聚类.通过聚类树图可将所提取的主题词/副主题词分成13类,经对比原始文献进行验证,全部29种基因中只与ALL相关的有3种, 占10.34%;只与AML相关的有8种,占27.59%.特异的可用于鉴别ALL和AML的基因有11种,占37.93%.通过主题词的共现关系进行聚类可以基本实现发现基因与疾病之间的联系,但该方法所获得的相关基因较少,不利于对疾病与基因关系的全面了解.     

文本分类中粗分类数据噪声修正的网络算法

在文本分类的实际应用中经常使用粗略分类的数据来训练分类器,但是这种数据中经常会包含类别标记有误的数据,这些数据对文本分类结果的精度会造成不良影响。本文针对这个问题提出了一种噪声修正算法,首先建立文档关联网络,把文档上标记的类别作为在网络上划分的集团结构,并用模块度衡量集团结构的质量,通过优化模块度指标把噪声数据调整到合适的类别中,从而提高数据质量。实验结果表明,本文所提算法能够有效修正粗分类数据中的噪声,且有较高的有效性和鲁棒性。该算法可以用于文本分类训练数据的预处理,或作为辅助技术用于文献库建设等工作。     

局部文本特征选取算法的比较和改进研究

本文通过实验比较了互信息、χ2统计算法和优势率三种算法在用于局部文本特征选取时对文本分类性能的影响.实验结果显示,在应用于局部特征选择的情况下,文本特征选取算法仍然可以将特征空间的维度降低90%以上,而不降低文本分类的性能.同时,我们发现在应用于局部文本特征选取时,优势率算法的性能不如互信息和χ2统计算法.另外,对于K最近邻分类算法,随着K值的增大,文本分类的查准率在增加,而查全率在降低.最后,本文详细分析了造成这三种算法性能差异的原因,并提出了一种改进算法,来提高优势率算法应用于局部文本特征选取时的性能.     

数据挖掘在生物医学工程文献检索中的应用

本文在概述数据挖掘技术的基本概念、分析方法的基础上,分析与比较了文本自动聚类算法;综述了国内外面向MEDLINE文献数据库的数据挖掘、知识提取研究;简述了可扩展标识语言(XML)的基本概念、文档格式及其在数据管理及数据挖掘中的应用.     

浅析美军人物报道的文本表现技巧

作为军队形象塑造的重要组成部分,军事人物宣传已被放在了军事宣传工作的重要位置。经常性的人物报道,不仅可以起到教育、激励、引导官兵的作用,还能化解社会矛盾。在这方面,美军较好地把握了军事人物宣传的规律和技巧,通过一种爱国主义教育的新闻表达方式进行人物报道,以宣传国家意志。这些被媒体树立起来的人性化的美国军人形象,     

事实与文本

一、新闻真实性的哲学逻辑 对于新闻从业者来说,新闻的真实性是他们始终追求的目标。根据学术界对新闻的传统定义,如“新闻是新近发生或正在发生的事实”、“新闻是多数受众注意的最近事实的信息”等,也可以看出新闻的本源一般被认为是客观世界的真实事件。然而根据传播学的理论,在传播过程中,传播者要对信息进行编码传播给受众,首要的步骤就是对信息的理解和选择;     

报纸副刊多元化与时代发展

冯并先生在其专著<中国文艺副刊史)关于副刊的本体,认为"副--佐于报纸,副而成其为刊--有相对独立的编辑形态".此其一.其二,副刊有整体上的文化或文艺的色彩.由是观照,报纸副刊的传统正在淡出我们当下的生活和当下的报业,所谓淡出,说的是传统的副刊精神正在丢失.现在的报纸副刊,细读下来,总感到时尚有余、文化不足,消费有余、精神匮乏.报纸副刊传统的淡出是基于对传统副刊的一个判断.     

基于统计频率的文本分类特征选择算法研究*

通过分析χ2统计量（Chi-square, CHI）的缺陷和不足,针对它对低文档频的特征项不可靠,而且不能说明词条和类别的相关性的缺点,对其进行改进,提出统计频率(Statistical Frequency, SF )算法。实验结果表明,统计频率算法能够弥补这些不足,在文本分类中表现出良好的分类效果。