武汉理工大学学报（信息与管理工程版）
武漢理工大學學報（信息與管理工程版）
무한리공대학학보（신식여관리공정판）
JOURNAL OF WUHAN AUTOMOTIVE POLYTECHNIC UNIVERSITY
2009年
5期
762-765
,共4页
TDT%话题分类%KNN
TDT%話題分類%KNN
TDT%화제분류%KNN
根据数据源为新闻网站的TDT(topic detection and tracking)系统的话题特点,首先提出了话题分类思想,然后将KNN(k-nearest neighbor)算法与网站频道信息相融合对话题进行分类.实验表明,话题分类的正确率达到98%,具有较高的实用性.
根據數據源為新聞網站的TDT(topic detection and tracking)繫統的話題特點,首先提齣瞭話題分類思想,然後將KNN(k-nearest neighbor)算法與網站頻道信息相融閤對話題進行分類.實驗錶明,話題分類的正確率達到98%,具有較高的實用性.
근거수거원위신문망참적TDT(topic detection and tracking)계통적화제특점,수선제출료화제분류사상,연후장KNN(k-nearest neighbor)산법여망참빈도신식상융합대화제진행분류.실험표명,화제분류적정학솔체도98%,구유교고적실용성.
