摘要：旨在解决在词类标注样本稀缺的环境下,通过某种算法来给词类进行关键词扩充,应用场景是互联网社交平台需要根据话题组即词类,进行广告推送,而词类扩充相关词能达到广告推送量大,而且精准的效果。实验中前后使用了两种算法进行研究,一种是类似于Google的Page rank找到相关词进行扩充,这是运用比较广泛的算法;另一种是提出的与结合tfidf的word2vec计算词间相关性的算法。给出了对比数据,word2vec能较好地实现词类扩充的需求。

摘要：文章使用tfidf特征选择方法对数据源进行预处理,建立了空间矢量模型,为文本分类提供了便利的数据结构.通过分类结果测试该特征选择方法的精确度.根据实验结果分析tfidf的优缺点,并提出改进的方法.

摘要：针对汽车造型智能设计领域中如何有效提取用户需求的问题,提出一种融合多特征tfidf(词频-逆向文件频率)文本分析的汽车造型需求提取方法。首先,通过基于互信息与边界自由度获取大量未登录的专业词汇,优化和修正简单分词后的词汇;然后针对经典tfidf算法的局限性,引入词汇特征因素与情感特征因素,获取用户需求特征候选集;最后根据设定的阈值得到有效的用户需求。实验结果表明,融合多特征tfidf文本分析算法在特征提取方面有一定优势,能有效提取文本中关于汽车造型的用户需求。

摘要：本文设计实现了一种Web信息检索系统,面向有特定需求的特殊用户群,采用基于web站点处理的情报采集策略。先对各站点页面随机采样,提取出包含敏感信息页面的web站点,再采集敏感站点中的相关页面生成本地敏感资源库,并对库中的文本页面用改进的tfidf算法分析处理,以满足用户的查询。该系统能够提高Web页面信息的检索精确度和检测更新率,并可据某一专题方向对Web站点进行简单的自动分类。

摘要：随着互联网的高速发展,网络聊天(IM)软件中的上下文广告成为了网络主要赢利模式之一,也是网络营销中的一种重要方式。要精准地提供此类上下文广告就需要正确地提取聊天过程中的关键词。聊天文本不同于普通的文章,它是一种简短的文本,对于这种文本,传统的tfidf算法存在着缺陷。本文针对传统tfidf在处理此类文本时的不足之处,利用EFCM聚类算法来提高tfidf算法对于这类文本的处理能力。

摘要：学术腐败已日渐成为社会瞩目的焦点，除了加强科技人员道德自律，还应有相应的技术手段加以监督，由此，该文将信息检索领域中向量空间模型进行了分析改进，并用改进的模型实现了学术论文相似性辨别系统，可供一些机构用来进行学术论文抄袭排查，提高工作效率，根治学术腐败，营造更好的创新环境。

摘要：文本分类技术作为文本数据处理的一种重要手段,如何提高文本分类的效率具有重大的意义。基于传统的文本分类技术采用tfidf响了文本分类效果。本文通过对tfidf对比实验,提出了一种基于混合特征的分类方法。实验表明该方法在文本分类效果F著提升,证明了本文改进方法的有效性。

摘要：准确的网络分类对于健康的网络环境至关重要,本文基于这样的目的,采用了效果理想SVM分类技术,考虑到不同的特征选择方法造成的分类结果的差异,分别在相同和不同的分类样本的条件下测试了4种特征选择方法,研究得出tfidf方法的突出优点,并总结了合适的特征选择方法对于应用到不同的分类系统的重要性。

摘要：通过对云南某卷烟厂历史档案文本数据的分析研究,结合实际情况,对档案文本主题词的获取和自动分类算法进行了详细的设计。且在主题词获取算法中引入了tfidf算法,解决了档案文本缺少题名、文号及责任者项时,算法无法自动获取主题词的问题。在文本自动分类算法中引入了KNN最邻近算法,解决了无法根据题名、文号进行档案文本自动分类的问题。同时,还考虑了档案文本按保存期限进行分类的问题。实验结果证明,该算法明显提高了烟草企业档案文本的分类效率。

摘要：根据公共安全网络舆情研究的需求,将文本分类技术应用于突发事件应急管理中,提出了基于tfidf分类方法的突发事件引发的网络舆情信息分类方法,设计类别样本并读入新闻文本,对文本进行中文分词,通过计算新闻文本和类别样本的相似度将新闻文本分到相似度最大的类别之中。通过编程实现了按照事件类型和地理位置两种分类方式对新闻文本进行分类,程序分类结果验证了该方法的实用性。