参考文献
[1]易树鸿,张为群.一种基于粗集的文本数据特征信息的挖掘方法[J].计算机科学,2002,29(8):91-92.
[2]熊忠阳,张鹏招,张玉芳.基于χ~2统计的文本分类特征选择方法的研究[J].计算机应用,2008,28(2):513-514.
[3]罗燕,赵书良,李晓超,等.基于词频统计的文本关键词提取方法[J].计算机应用,2016,36(3):718-725.
[4]赵仲秋,季海峰,高隽,等.基于稀疏编码多尺度空间潜在语义分析的图像分类[J].计算机学报,2014,37(6):1251-1260.
[5]ZHANG Wen,YOSHIDA T,TANG X.A Comparative Study of TF*IDF,LSI and Multi-words for Text Classification[J].Expert Systems with Applications an International Journal,2011,38(3):2758-2765.
[6]卫威,王建民.一种大规模数据的快速潜在语义索引[J].计算机工程,2009,35(15):35-37,40.
[7]季铎,毕臣,蔡东风.基于类别信息优化的潜在语义分析分类技术[J].中国科学技术大学学报,2015,45(4):314-320.
[8]程玉胜,梁辉,王一宾,等.基于风险决策的文本语义分类算法[J].计算机应用,2016,36(11):2963-2968.
[9]陈珂,柯文德,刘美,等.一种基于多类别信息的局部潜在语义分析算法研究[J].南京邮电大学学报(自然科学版),2016,36(1):119-124.
[10]CHAKRABORTI S,LOTHIAN R,WIRATUNGA N,et al.Sprinkling:Supervised Latent Semantic Indexing[M]//LALMAS M,MACFARLANE A,LALMAS S R M,et al.Advances in Information Retrieval.Berlin,Germany:Springer,2006:510-514.
[11]HINGMIRE S,CHAKRABORTI S.Sprinkling Topics for Weakly Supervised Text Classification[C]//Proceedings of the 52nd Annual Meeting of the Association for Computational Linguistics.[S.l.]:Association for Computational Linguistics,2014:55-60.
[12]WANG Tinghua,LIU Fulai,YAN Shenhai.Learning Class-informed Exponential Kernel for Text Categorization[J].Journal of Computational & Theoretical Nanoscience,2016,13(8):5103-5110.
[13]QIN Pengda,XU Weiran,GUO Jun.A Novel Negative Sampling Based on TFIDF for Learning Word Represen-tation[J].Neurocomputing,2016,177:257-265.
[14]刘开旻,吴小俊.一种基于新隶属度函数的模糊支持向量机[J].计算机工程,2016,42(4):155-159.
[15]鞠哲,曹隽喆,顾宏.用于不平衡数据分类的模糊支持向量机算法[J].大连理工大学学报,2016,56(5):525-531.
[16]邱云飞,刘世兴,魏海超,等.W-POS语言模型及其选择与匹配算法[J].计算机应用,2015,35(8):2210-2214.
[17]甘丽新,万常选,刘德喜,等.基于句法语义特征的中文实体关系抽取[J].计算机研究与发展,2016,53(2):284-302.
[18]石慧,贾代平,苗培.基于词频信息的改进信息增益文本特征选择算法[J].计算机应用,2014,34(11):3279-3282.
[19]史庆伟,从世源.基于mRMR和LDA主题模型的文本分类研究[J].计算机工程与应用,2016,52(5):127-133.
编辑金胡考 |