作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文阐述了基于WEB的文本分类的关键技术,从网页的解析、文本的表示、降维技术到分类算法进行详细的论述,并对两个K-means算法和Baygers算法做了改进。
推荐文章
文本分类关键技术
文本分类
特征选择
向量空间模型
潜在语义模型
概率模型
自动文本分类技术研究
文本分类
支持向量机
最小二乘支持向量机
分类器
Web文本分类技术研究及其实现
Web文本分类
向量空间模型
特征提取
反馈判定
文本分类系统关键技术
文本分类
夹角余弦
向量空间模型
特征
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 文本分类的关键技术
来源期刊 科教导刊(电子版) 学科 工学
关键词 文本分类 降维技术 文本表示 分类算法
年,卷(期) 2019,(14) 所属期刊栏目
研究方向 页码范围 288-288
页数 1页 分类号 TP311
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王健 14 12 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本分类
降维技术
文本表示
分类算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科教导刊:电子版
旬刊
1674-6813
42-9001/N
武汉市洪山区珞狮北路76号书香门第大厦1
出版文献量(篇)
52171
总下载数(次)
63
总被引数(次)
0
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导