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:
针对南北朝时期的佚名诗词采取向量空间模型(VSM)来表示,并根据主成分分析技术(PCA)进行文本特性矩阵的降维,采用KNN的方法进行诗词的作者推测研究.通过实验获得了多篇佚名诗词的可能作者,对于相关文学研究具有一定参考价值.
推荐文章
KNN文本分类算法研究
文本分类
KNN
向量空间模型
基于PSO-ELM特征映射的KNN分类算法
K近邻分类算法
极端学习机
特征映射
粒子群算法
混合算法
线性不可分
基于KNN算法的手写数字识别研究
KNN
Python
训练集
测试集
基于小样本集弱学习规则的KNN分类算法
机器学习
K-最近邻分类
小样本集
标签数据
弱学习规则
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 基于KNN算法的佚名诗词作者概率研究
来源期刊 技术与市场 学科
关键词 向量空间模型 KNN 作者判别
年,卷(期) 2020,(11) 所属期刊栏目 技术应用
研究方向 页码范围 69-70
页数 2页 分类号
字数 语种 中文
DOI 10.3969/j.issn.1006-8554.2020.11.027
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (5)
参考文献  (5)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(1)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(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
向量空间模型
KNN
作者判别
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
技术与市场
月刊
1006-8554
51-1450/T
大16开
四川省成都市
62-125
1980
chi
出版文献量(篇)
29073
总下载数(次)
69
总被引数(次)
59420
论文1v1指导