1) Chinese short-text
中文短文本
1.
Chinese short-text classification in two-steps;
基于两步策略的中文短文本分类研究
2) Chinese network short text
中文网络短文本
1.
Since Chinese network short text is less of keywords and full of anomalous writings,the traditional text clustering method is not directly suitable for network short text clustering.
然而,中文网络短文本固有的关键词词频低、存在大量变形词等特点,使得难以直接使用现有面向长文本的聚类算法。
3) short text
短文本
1.
Research on Short Text Language Computing;
短文本语言计算的关键技术研究
2.
Named entity recognition for short text
面向短文本的命名实体识别
3.
Base on HNC theory,this paper considers the domain,situation,background of a short text sufficiently and extracts the characters which have more effects on semantic comprehend.
在HNC理论框架的指导下,充分考虑了短文本的领域、情境和背景,提取了对短文本语义影响较大的特征填充语境框架。
4) Short Text Stream
短文本流
5) Short-text
短文本
1.
Short-text which exists includes information which appears frequently on BBS/Blog in internet, that is, the dapper main note and reply on BBS/Blog and so on.
本文对互联网短文本信息分类的关键技术做了较深入的讨论。
6) Chinese text
中文文本
1.
Study on feedback learning of SVM-based chinese text (classification);
基于SVM的中文文本分类反馈学习技术的研究
2.
The Study on Feature Selection Algorithm in Chinese Text Clustering;
中文文本聚类中特征选择算法的研究
3.
It applies the improved algorithm in Chinese text clustering.
提出了k-means聚类算法中选取初始聚类中心及处理孤立点的新方法,改进了k-means算法对初始聚类中心和孤立点文本很敏感的不足之处,并将改进后的算法应用于中文文本聚类中。
补充资料：本·本绍
本·本绍
本·本绍
本·本绍教授ben bensaou 中欧国际管理学院客座教授，欧洲商业管理学院资讯技术专业的教授，世界著名的管理领域的专家。曾经以对美国和日本汽车行业中的供求关系的研究所作的论文获得最佳博士论文奖。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。