happygril3

摘要： 脱离语料库，仅对单篇文档提取 (1) pageRank算法：有向无权，平均分配贡献度 基本思路： 链接数量：一个网页越被其他的网页链接，说明这个网页越重要 链接质量：一个网页被一个越高权值的网页链接，表明这个网页越重要 思路：将每个网页初始得分为1 通过多次迭代对每个网页进行收敛 若收敛，则收敛时的 阅读全文

摘要： TF-IDF(term frequency-inverse document frequency)-词频-逆文档频率 TF:统计一个词在文档中出现的频次，次数越多，表达能力越强 IDF:统计一个词在文档集的多少篇文档中出现，一个词在越少的文档中出现，则对该文档的区分能力就越强 词i在文档j中出现的概 阅读全文

摘要： 思想： 把每个词看成是各个字组成，如果相连的字在不同的文本中出现次数越多，相连的字很可能是一个词 利用字与字相邻出现的频率反映词的可靠度 buzhou： 建立统计语言模型 对句子进行单词划分，然后对划分结果进行概率计算，获得最大概率的分词方式 语言模型： 长度为m的字符串确定其概率分布为P(w1,w 阅读全文