自动聚类造句

• 一般包含自动聚类与自动归类。
• 查询优化与动态自动聚类系统
• 是基于相似性算法的自动聚类技术。
• 应用中可实现对新闻稿件或大数据量文档的自动聚类，实现辅助专题制作等。
• 根据是否有固定的类别体系可分为有监督( supervised )的自动归类和无监督( unsupervised )的自动聚类。
• 目前常用的自动聚类方法有：关联词法、文献--文献相似矩阵法、聚丛法和因子分析法等。
• 分析了用户兴趣自动聚类问题的特点，指出现有经典聚类算法大都难以满足用户兴趣自动聚类的需求。
• 自动聚类可对检索结果进行自动聚类并构建树状结构，以构建企业知识地图、检索者快速定位所需信息。
• 文献自动聚类检索系统能够兼有主题检索系统和分类检索系统的优点，同时具备族性检索和特性检索的功能。
• 特别是自动聚类与自动分类的结合，将使自动分类体系具有新陈代谢的生命特征，并将为高效的聚类检索奠定基础。
• 其他自然语言处理的经典问题与实现包括：文档排重、文本分类、自动聚类、语法解析树、拼写检查、拼音转换等理论与实现方法。
• 在概念聚类构造的知识地图中，知识按其属性自动聚类成知识节点，它描述了知识及共属性和关系，并将知识节点以偏序关系排列起来。
• 而自动聚类可以收集大量的文档数据或用户档案信息，并且自动识别出信息内的主要类别，让IDOL自动的持续一致的计算新的信息应该属于哪个类别。
• Retrevo的数据挖掘技术同样优秀，它能够将所抓取的信息按照Top Results,Buying Guides,Top Related,Most popular,How to,以及Daily Deal这样的类目进行自动聚类，为用户提供更符合语义逻辑的搜索结果。
• 自动分类可基于统计或规则，经过机器学习形成预定义分类树，再根据文档的内容特征将其归类；自动聚类则是根据文档内容的相关程度进行分组归并。
• 总之，Vivisimo是一个功能比较全面的元搜索引擎，它开发的文献自动聚类技术代表了搜索引擎技术发展的新方向，它细致的检索结果显示及知识目前检索工具中的佼佼者。
• 在模式识别中，如已知地物模式的选择是在操作员监督下进行的，这种分类方法称为监督分类；如已知地物模式是计算机自动聚类得到的，这种分类方法称为非监督分类。
• 自动聚类由计算机系统按照被考察对象的内部或外部特征,根据一定的要求(如类别的数量限制，同类对象的亲近程度等等),将相近、相似或相同特征的对象聚合在一起的过程。
• 这部分主要是基于中文分词技术，实现词性标注、关键词提取、人名/地名识别、内容指纹、自动摘要、内容相似性分析、自动分类、自动聚类、敏感词识别、主题追踪、正负面识别、全文检索等智能处理功能。
• 据慧聪CTO陈沛介绍，相对于前两代，第三代中文搜索引擎更注重智能化和用户使用的个性化，其采用了中文自动分类、自动聚类等人工智能技术，而且使用了中文内容分析技术，以及区域智能识别技术，增强了搜索引擎的查询能力。