特征词造句

造句与例句手机版

一种基于特征词句子环境的文本分类器
客家方言特征词中的近代汉语词
一种有效特征词发现的贝叶斯文本分类方法
邮件过滤中基于关联分析的潜在特征词挖掘
即在句子中频繁同时出现的词，并将其作为文档的特征词组。
传统的dht - p2p系统有一定的局限性，如基于单特征词搜索，计算机不理解用户搜索请求的含义等。
在nntcs中，第一步是对中文文档进行汉语分词，从文档中抽出特征词，并且统计各特征词的词频。
系统使用神经网络作为分类器，特征词的词频组成原始特征向量，和神经网络输入层的神经元一一对应。
( 2 )在名词性短语的回指已完成的前提下，我们来提取文本的段落、章节以及全文的特征词，得到文本段落、章节和全文的特征词集。
对其中的几种方法，如机械匹配法(即mm法) 、特征词库法、约束矩阵法、语法分析法和理解切分法等做了详细的比较和分析，并归纳出各自特点。
用特征词造句挺难的，這是一个万能造句的方法
根据机构名称的特点，并参照中文姓名的识别系统，利用统计方法建立了机构名称特征词词典、前部词词典、单词词典、双词接续词典，综合考虑机构名称上下文以及机构名称本身的构词能力，设计并实现了以统计为主的机构名称识别系统。
我们采用局部上下文分析法从检索结果中提取与查询相关的特征词，然后采用包含方法和相似方法判定这些特征词之间的相关关系，并利用所提取的概念与概念之间的关系以及用户的反馈信息动态地构造和更新知识库。
另外还对标注模型从两方面作了优化，由于词汇特征向量的特殊作用，本文对特征词汇采用层次聚类来提高其分类精度；另一方面，引入规则来进一步丰富细分类标注信息，减少数据稀疏等问题，并且引入置信度来选择统计与规则的优先关系。
本文以国家863高技术项目现实需求为背景,主要工作和研究内容如下: ( 1 )个性化的查询表现技术,使用户不再为向系统提供简单有限的特征词而烦恼,可以帮助用户更好的表达个人的兴趣专题,定制专题知识库。
中文文题、英文文题、作者、第一作者单位、第一作者所在地、期刊名称、出版年、卷、期、页码、文献类型、特征词、医学史、资助类型、主题词、关键词、分类号、语种、中文文摘、英文文摘、动物品种、剂型、中药药理、西药药理、疾病名称、诊断标准、疾病机理、试验方法、疾病治疗、药名方名、化学药名、英文药名、组成剂量、药物配伍、用法用量、针推穴位、针推方法、不良反应、疗效指标、疗效结果、药材学、化学结构、理化性质、有效成分、中药鉴定、炮制方法、制药工艺、药物作用与药理效用、药代动力学、毒理学。
文本分类技术的关键之一在于特征词或特征词组的选择，一篇文档的主题并不是与文档中的所有的词相关，因此如何挑选判断一篇文档中的主题词或词组作为文档的特征词或词组就成为了关键所在。
用中科院计算所的ictclas汉语词法分析系统实现中文分词及标引，并用数据挖掘算法提取文档特征词条，然后利用本文提出的虚拟概念的思想，将所有特征词条组织成更有意义的概念，最后，根据概念间的继承关系，建立领域自适应概念层次结构，实现了本体论的自动构造。