基于Markov逻辑网的超文本分类
100 积分
50
评分
4.7 积分- 详情
- 2021-04-28
- 简介
pdf
- 216KB
- 页数 7P
- 阅读 57
- 下载 20
在传统的监督学习任务中,实体被认为是独立同分布的.然而,现实世界中实体之间通过复杂的方式相互关联.例如在超文本分类中,具有链接关系的页面之间高度相关.标准的分类方法是忽略实体之间的联系,对每个实体单独分类.本文将Markov逻辑网应用到超文本分类中,旨在改善这一问题.实验结果显示了采用Markov逻辑网模型要比采用K最邻近节点算法的分类效果好;同时将实体之间存在的联系用于学习和推理对于分类也有一定的贡献.
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于Markov逻辑网的超文本分类 216KB
文本分类综述 334KB
统计流形扩散核的文本分类方法 268KB
基于超文本问题描述的施工索赔辅助决策模型 113KB
基于超文本问题描述的施工索赔辅助决策模型 113KB
超文本结构的计算机辅助教学系统研究 107KB
基于随机通信逻辑的网络控制器设计 1.6MB
开关电源有哪些基本分类 10KB
基于全寿命周期的公路成本分析探讨 168KB
基于软件研发项目层面的作业成本分析体系的构建 168KB