分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-18 合作期刊: 《计算机应用研究》
摘要： 针对维吾尔文网页论坛中的文本过滤问题，提出一种基于术语选择和Rocchio分类器的文本过滤方法。首先，将论坛文本进行预处理以删除无用词，并基于N-gram 统计模型进行词干(术语)提取；然后，提出一种均衡考虑相关性和冗余性的均衡型互信息术语选择方法(BMITS)，对初始术语集合进行降维，获得精简术语集；最后，将文本特征术语作为输入，通过Rocchio分类器进行分类，以此过滤掉论坛中的不良文本。在相关数据集上的实验结果表明，提出的方法能够准确地识别出不良类型文本，具有有效性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-17 合作期刊: 《计算机应用研究》
摘要： 针对以维吾尔语书写的文档间的相似性计算及剽窃检测问题，提出了一种基于内容的维吾尔语剽窃检测(U-PD)方法。首先，通过预处理阶段对维吾尔语文本进行分词、删除停止词、提取词干和同义词替换，其中提取词干是基于N-gram 统计模型实现；然后，通过BKDRhash算法计算每个文本块的hash值并构建整个文档的hash指纹信息；最后，根据hash指纹信息，基于RKR-GST匹配算法在文档级、段落级和句子级将文档与文档库进行匹配，获得文档相似度，以此实现剽窃检测。通过在维吾尔语文档中的实验评估表明，提出的方法能够准确检测出剽窃文档，具有可行性和有效性。
点击量
点击量
下载量
评论
