《表3 词干提取引起的特征空间维数的减少》

  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

《词干单元和卷积神经网络的哈萨克短文本分类》

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

尽管Unicode是默认的编码方案，但不同的操作系统和组织仍在使用不同的编码．因此，我们建立一个代码映射表，将语料库中的文本集从各种不同的编码形式转换成统一的拉丁文字母编码形式，然后用词干提取工具从所有的文本中提取词干，以构建词干序列文本语料库．基于统计模型的哈萨克文本词干提取方法可以有效地减少文本特征空间的维数，其中，除掉停用词后（停用词数为1085），词干词汇的数量明显地下降到词词汇数量的30%左右，如表3所示．