基于多特征融合Single-Pass-SOM组合模型的话题检测
当今时代, 网络舆情传播速度快、影响力大, 而话题检测在网络舆情监管中有着不可替代的作用. 针对传统方法提取文本特征不完整和特征维度过高的问题, 本文提出了基于时间衰减因子的LDA&&Word2Vec文本表示模型, 将LDA模型的隐含主题特征和Word2Vec模型的语义特征进行加权融合, 并引入了时间衰减因子, 同时起到了降维和提高文本特征完整度的作用. 同时, 本文又提出了Single-Pass-SOM组合聚类模型, 该模型解决了SOM模型需要设定初始神经元的问题, 提高了话题聚类的精度. 实验结果表明, 本文提出的文本表示模型和文本聚类方法较传统方法拥有更好的话题检测效果.
文件下载
评论信息
其他资源
- 线性代数600证明题详解矩阵
- ISO8583报文解包工具
- matlab下的SVM二分类问题
- AD7606基于DSP28335的SPI方式下的数据采集
- 软件工程课程设计-小型超市管理系统
- C语言期末考试练习题库包含详细答案
- 微信公众号
- MODBUS (51实现) +proteus仿真+modbus调试工具
- BootStrapTableDemo
- DevExpress+XtraTabControl选项卡关闭方法
- 批量获取DN值
- Eclipse64位4.4.1a升级月亮版eclipse-jee-luna-SR1a-win32-x86_64.zip支持jdk1.6
- asp.net Aspose生成 导出 导入 excel word 例子+帮助文档【CSDN11个例子】
- gaot遗传算法优化工具箱介绍及实例源程序
- Pro HTML5 Games
- FFT进行FMCW雷达频谱分析的改进算法
- Python排序算法
- UDS协议ISO14229
- flash计时器源码
- Google Chrome 谷歌浏览器 10.0.648.205 稳定版 离线安装包
- mini2440之U-boot移植详细手册-20110908.pdf
- 扫描枪(WinForm,C#)
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明