A.統(tǒng)計(jì)詞頻率
B.刪除停止詞與低頻詞
C.中文分詞
D.潛在語義分析
E.計(jì)算詞頻率-逆文文件頻率

A.停止詞、低頻詞
B.主題模型、詞袋模型
C.文分詞、英文分詞
D.詞頻率、逆文文件頻率
E.詞頻率向量、逆頻率向量

A.判定樹
B.支持向量機(jī)
C.K均值聚類
D.樸素貝葉斯
E.二叉樹

A.詞頻統(tǒng)計(jì)的方法中，對于要將單一主題的文文件從海量的語料庫中發(fā)掘出來是很輕易的，不需要借助額外的技術(shù)來獲取詞頻向量
B.主題模型（topicmodel）是描述語料庫及其中潛在的一類數(shù)字模型，首先考慮到的是如何用數(shù)學(xué)語言去描述一個(gè)主題
C.詞頻向量是由所有的詞頻組合在一起，同時(shí)，詞頻為該字詞在文本出現(xiàn)的總數(shù)除以文檔中的總詞語數(shù)
D.文黨的詞頻、主題的比重、主題的詞頻三者之間的關(guān)系為D（文檔詞頻）=W（主題比重）*T（主題詞頻）
E.文本挖掘技術(shù)基本上屬于無監(jiān)督學(xué)習(xí)方法

A.詞袋模型（bag-of-wordsmodel）適用于描述文本的一個(gè)簡單的數(shù)學(xué)模型，也是常用的一種文本特征提取方式
B.詞袋模型對文文件進(jìn)行了很大程度的簡化，但一定程度上仍然保留了文文件的主題信息
C.對文本建構(gòu)詞袋之前，需要先借著額外的手段將文本中的詞語分開，這項(xiàng)技術(shù)稱之為分詞（word-segment）
D.在文檔中，例如『的』、『也』這樣構(gòu)成一個(gè)句子的基本字詞對文文件的主題區(qū)分并無幫助，且不攜帶任何主題信息的高頻詞稱為停止詞（Stopword），在構(gòu)建詞典時(shí)必須去除
E.一個(gè)詞在文文件中出現(xiàn)的頻率稱為詞頻率（termfrequency）其定義為該詞語在文本中出現(xiàn)的次數(shù)與這段文本中詞語的總數(shù)的商