搜索
查看: 3176|: 0

Nlpir Parser灵玖智能挖掘平台文本聚类

[复制链接]

215

主题

13

回帖

2181

积分

金牌会员

积分
2181
发表于 2017-6-7 14:36:59 | 显示全部楼层 |阅读模式
  聚类分析是一种无指导的机器学习方法,在机器学习、统计分析、模式识别、数据挖掘、生物学等许多领域得到了广泛的研究与应用。聚类的基本目的是将数据对象按照一定的标准分成若干个簇,使得同一个簇中的对象之间相似度较大,不同簇之间的对象相似度较小。文档的聚类分析与一般的聚类分析类似,往往包括如下5个步骤:
  (1). 模式表示,往往包括特征抽取和特征选择,把数据对象表示成适合于算法可计算的形式;
  (2). 根据领域知识定义模式之间的距离测度公式;
  (3). 聚类或者分组;
  (4). 数据抽象表达;
  (5). 评价输出结果。
  文本聚类分析首先要考虑的是文本表示问题,即如何从一个电子文本的符号和文字中抽取出特征,通过这些特征来表示相应的文本,利用这些特征数据进行聚类分析。
NLPIR语义智能平台.png
  Nlpir Parser灵玖智能挖掘平台文本聚类是基于相似性算法的自动聚类技术,自动对大量无类别的文档进行归类,把内容相近的文档归为一类,并自动为该类生成标题和主题词。适用于自动生成热点舆论专题、重大新闻事件追踪、情报的可视化分析等诸多应用。
  在文本聚类中,除了将文本进行表示外,还必须对于文本进行相似度度量。Nlpir Parser灵玖智能挖掘平台文本聚类解决了以下技术:
  (1). 文本与文本之间的相似度度量;
  (2). 文本簇与文本簇之间的相似度度量;
  (3). 文本与文本簇之间的相似度度量。
  灵玖基于文章集合核心语义理解技术,不仅聚类速度快,而且准确率高,并能自动得到类别间的演化趋势。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

大数据中国微信

QQ   

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2024-11-24 12:51 , Processed in 0.222500 second(s), 28 queries .

快速回复 返回顶部 返回列表