專項客戶新聞自動檢索方法研究與應(yīng)用.pdf_第1頁
已閱讀1頁,還剩80頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、在互聯(lián)網(wǎng)快速發(fā)展的今天,網(wǎng)絡(luò)信息已經(jīng)成為人們信息獲取的主要來源。對于某些行業(yè)的發(fā)展而言,新聞信息的及時獲取對企業(yè)的發(fā)展至關(guān)重要,是發(fā)展規(guī)劃和決策的重要信息保障。由于網(wǎng)絡(luò)新聞信息具有信息量大、增長速度快和及時性強的特征,而企業(yè)或個人對新聞信息的要求一般具有時變性弱、主題性強的特點。因此,研究如何快速準確、自動獲取與客戶相關(guān)的新聞信息,對企業(yè)及時了解交易對手狀況,以便及時采取應(yīng)對措施,具有重要的實際意義。
   本文將在深入研究網(wǎng)絡(luò)

2、新聞信息自動識別、分類和檢索等相關(guān)技術(shù)的基礎(chǔ)上,采用JSH技術(shù)框架,并結(jié)合現(xiàn)有的網(wǎng)絡(luò)主題爬蟲、文本識別、SVM增量式算法等智能信息處理技術(shù),設(shè)計并初步實現(xiàn)了一套專項客戶新聞自動檢索系統(tǒng)。論文的主要工作和貢獻為:
   1.研究了網(wǎng)絡(luò)主題爬蟲技術(shù)和文本特征提取等相關(guān)技術(shù)方法。在此基礎(chǔ)上,采用專項主題爬蟲,實現(xiàn)了針對指定信息源信息的定時爬取,并通過專項主題分析和模糊匹配的技術(shù)對爬取回來的信息進行過濾。最后,再根據(jù)中文分詞技術(shù)和基于統(tǒng)

3、計的特征空間提取法,實現(xiàn)對文本特征空間的建模識別。
   2.在對SVM基本原理、基本增量算法I-SVM深入研究的基礎(chǔ)上,提出了兩種改進的SVM增量算法:TI-SVM算法和OCV-SVM算法。利用一組實際的新聞主題信息訓練和分類,對所提出的算法進行了測試和驗證。
   3.設(shè)計并初步實現(xiàn)了一個專項客戶新聞自動檢索系統(tǒng)。該原型系統(tǒng)能接受客戶對新聞源信息的定制和關(guān)鍵詞維護,并可以根據(jù)客戶歷史新聞資料,向用戶自動推送相關(guān)新聞信

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論