排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
社交媒体的广泛使用使短文本聚类成为一个重要的研究课题。但短文本词向量的高维、稀疏性限制了传统文本聚类方法在短文本中的效果,并且由于词的稀疏性,词对簇结构的判别能力对短文本类结构的学习显得尤为重要。本文我们提出了一种基于概率模型的具有词判别力学习能力的短文本聚类框架,并在经典文本聚类模型LDA(Ldatant Drichilet Allocation)、BTM(Biterm Topic Model)和GSDMM(Gibbs Sampling Drichilet Mutitional Mixture model)模型中验证了词判别力学习对类结构学习的有效性。通过Gibbs采样算法对模型中的参数进行求解。最后在真实数据集上的实验结果显示具有词判别力学习的概率模型可以提高已有模型的聚类效果。 相似文献
2.
3.
随着网络技术与新媒体技术的快速发展,广播剧在21世纪焕发出新的生机与活力。本文首先结合广播剧的实际发展情况阐述研究背景,其次从原著、广播剧制作和自身话题度三方面分析影响广播剧播放量的因素,最后从内容、用户、营销三方面探讨网络广播剧平台经营发展路径,以期为相关人员提供参考,带动新媒体背景下网络广播剧的良好经营与长远发展。 相似文献
4.
1