面向社交媒体文本的无监督的事件抽取和分类方法技术资料下载

技术编号:9631582

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。

目前尚未发现面向社交媒体(如微博、微信等)文本的基于贝叶斯模型的无监督 的事件抽取和分类技术。但存在面向正式文本的事件抽取技术以及面向社交媒体文本的有 监督的事件抽取技术,前者与本发明研究的文本对象不同,后者采用的有监督方法难以在 领域间移植,均与本发明解决的问题完全不同。 本发明提出的面向社交媒体文本的基于贝叶斯模型的无监督的事件抽取和分类 技术,可以抽取出国内外发生的大小事件,及时获得有价值的信息;由于微博等社交媒体的 特性,还可以获悉人们对发生的事...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。

详细技术文档下载地址↓↓

提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。
该分类下的技术专家--如需求助专家,请联系客服
  • 李老师:1.计算力学 2.无损检测
  • 毕老师:机构动力学与控制
  • 袁老师:1.计算机视觉 2.无线网络及物联网
  • 王老师:1.计算机网络安全 2.计算机仿真技术
  • 王老师:1.网络安全;物联网安全 、大数据安全 2.安全态势感知、舆情分析和控制 3.区块链及应用
  • 孙老师:1.机机器人技术 2.机器视觉 3.网络控制系统
  • 葛老师:1.机器人技术 2.计算机辅助技术
  • 张老师:1.内燃机燃烧及能效管理技术 2.计算机数据采集与智能算法 3.助航设备开发