《表1 针对不同元数据文本篇幅、文本语言和主题个数的WMS主题分类结果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种WMS领域主题文本提取及元数据扩展方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

文本篇幅、文本语言和WMS元数据匹配的主题个数都会对分类结果产生影响。本文依据数据分布，结合分位规则将文本篇幅划分为较短（100字以下）、适中（100～200字）和较长（200字以上）；将WMS元数据匹配的主题个数划分为0～1、2～3和3以上；将文本语言划分为英语和其他语言。本文从可用WMS中随机选取实验样本，人工标注样本主题，并计算主题提取的查准率与查全率，实验结果见表1。实验结果表明本文算法对不同特征数据分类的整体效果较好。其中，篇幅较长的文本包含较多噪声，因此随着篇幅长度的增加，分类效果逐渐下降；主题个数增多时，主题完全准确匹配的难度增加，因此随着主题个数增多分类性能逐渐降低。由于语料库的限制，本文算法也无法甄别非英语特征词。