方小飞
- 作品数:3 被引量:11H指数:2
- 供职机构:杭州电子科技大学更多>>
- 发文基金:国家自然科学基金教育部人文社会科学研究基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于LDA模型的移动投诉文本热点话题识别被引量:9
- 2017年
- 【目的】运用中文信息处理和话题识别与追踪的方法,从大量移动投诉文本中找出有价值的信息。【方法】从分析投诉文本的特点入手,使用k-means先对文本聚类。利用LDA对每个类进行建模,提取话题,并从词频、词跨度和词长三方面计算每个话题中词的权值,把权重最大的词作为该话题的标签,并计算每个话题的文档分布概率均值。对具有相同标签的话题,先按照均值最大的原则去掉重复标签话题,再对所有话题计算文档支持率,并将文档支持率作为话题的热度,通过热度区分热点话题和一般话题。【结果】对投诉文本进行时间上的建模,通过对比一般话题和热点话题,得出热点话题的支持文档率至少是一般话题的3倍,支持文档率变化趋势也比一般话题高,说明本文算法是有效的。【局限】没有考虑到话题之间的语义关系。【结论】利用LDA模型对移动投诉话题检测初探的方法是比较合理和有效的,对今后此领域的研究具有一定的借鉴意义。
- 方小飞黄孝喜王荣波谌志群王小华
- 关键词:K-MEANSLDA模型
- 面向移动投诉文本的热点话题识别及演化分析研究与应用
- 随着通信技术的快速发展以及电信行业的不断改革创新,越来越多的消费者办理了电信业务。然而,运营商们对于业务管理的不完善,导致用户体验差,使得用户的投诉越来越多。随着投诉量的增加,导致很多投诉无法得到及时处理,加剧了用户与通...
- 方小飞
- 关键词:语义分析SVM分类器
- 构建近邻上下文的拷贝图像检索被引量:2
- 2017年
- 目的以词袋模型为基础的拷贝图像检索方法是当前最有效的方法。然而,由于局部特征量化存在信息损失,导致视觉词汇区别能力不足和视觉词汇误匹配增加,从而影响了拷贝图像检索效果。针对视觉词汇的误匹配问题,提出一种基于近邻上下文的拷贝图像检索方法。该方法通过局部特征的上下文关系消除视觉词汇歧义,提高视觉词汇的区分度,进而提高拷贝图像的检索效果。方法首先,以距离和尺度关系选择图像中某局部特征点周围的特征点作为该特征点的上下文,选取的上下文中的局部特征点称为近邻特征点;再以近邻特征点的信息以及与该局部特征的关系为该局部特征构建上下文描述子;然后,通过计算上下文描述子的相似性对局部特征匹配对进行验证;最后,以正确匹配特征点的个数衡量图像间的相似性,并以此相似性选取若干候选图像作为返回结果。结果在Copydays图像库进行实验,与Baseline方法进行比较。在干扰图像规模为100 k时,相对于Baseline方法,m AP提高了63%。当干扰图像规模从100 k增加到1 M时,Baseline的m AP值下降9%,而本文方法下降3%。结论本文拷贝图像检索方法对图像编辑操作,如旋转、图像叠加、尺度变换以及裁剪有较高的鲁棒性。该方法可以有效地应用到图像防伪、图像去重等领域。
- 杨醒龙姚金良王小华方小飞
- 关键词:视觉词汇图像检索