You can ping this entry by using http://www.wespoke.com/cgi-bin/mt/mt-tb.cgi/857

第 1 楼：

工作还是挺有意义的。只是看了半天，有一些不明白的地方，比如如何消除噪音还是没有看懂。另外，文本分类的特征抽取实际上也是在消除那些与分类无关或者不能表达语义的关键词，不知道和你所说的噪音词有什么本质的区别？

第 2 楼：

第一次看到这个沙龙，请问几点开始？是否收费？谢谢！

第 3 楼：

tf, idf 的关键词权重的计算只考虑了降低高出现频率的词的机会，但是并没有消除掉这些词在进行文本比较时候造成的内积的影响。尽量消除这些词造成的影响可以提高准确度。

第 4 楼：

我指的是特征选择而不是权重计算，特征选择是根据一些函数(比如互信息、信息熵等)来选择适合于进行文本分类的词，选中的词才能用于进行内积相似度计算。

第 5 楼：

特征选择是根据一些函数(比如互信息、信息熵等),这个说服是正确的 :)
在实际运算中，我们采用了两种计算方法，内积和最大使然,而likelihood本身就是一种最优参数估计。

第 6 楼：

整个ppt最有趣的就是第12页噪音的提取。
能详细说一下怎么定义噪声关键词吗？ 什么是相同关键词，为什么频率基本一致的关键词会导致噪声？谢谢 ：）

第 7 楼：

关于你的算法的一些问题:
1 这里的消除噪音是不是等同于精简关键词字典?
2 从一些文献上看到SVM在文本分类上用的比较好,不知道你有没有尝试过?
3 我总感觉16*100的实验数据有些少,不过结果还是喜人的.能不能把你的数据库公开,我想用测试一下别的算法.我这里有10个类近30000片文章.如过你想需要的话,可以想办法给你.

第 8 楼：

hi,man ,your abliity of web search is pretty

http://www.lovefunnygames.com/

一

第 9 楼：

神州石油科技

第 10 楼：

神州石油科技 http://www.chinapetrotech.cn
这个网站是公司网站，放在这里做一下导航，请楼主保留数天。
感谢。

第 11 楼：

神州石油科技 http://www.chinapetrotech.cn
这个网站是公司网站，放在这里做一下导航，请楼主保留数天。
感谢。

第 12 楼：

神州石油科技 http://www.chinapetrotech.cn
这个网站是公司网站，放在这里做一下导航，请楼主保留数天。
感谢。