21、文本语义表示与脑磁共振图像重建的深度学习方法研究

文本语义表示与脑磁共振图像重建的深度学习方法研究

1. 文本语义表示方法

1.1 数据集介绍

在文本语义表示的研究中，使用了两个重要的数据集：
- OHSUMED (OH) 数据集 ：它源自 Medline 数据库中的临床论文摘要子集，本研究使用了其中包含 5380 个文档的分区。
- WebKB 数据集 ：由 CMU 文本学习小组通过 World Wide Knowledge Base (Web->Kb) 项目收集的计算机科学不同部分的网页组成。这些网页被分为七个不同的类别，本研究采用了预处理版本，包含四个不同类别，共 4199 个文档。

1.2 BoC 方法测试版本

对于 BoC 方法（与 BoWC 方法采用相同的方法），测试了两个版本：
- BoCCF - EDF ：应用 CF - IDF 加权函数。
- BoCCF - EDF - FBKE ：应用了由 BoWC 方法中使用的关键短语权重函数扩展的修改概念加权函数。

1.3 文档处理步骤

文档处理过程如下：
1. 文本预处理 ：将文档中的文本转换为小写，并删除停用词、符号和数字。
2. 关键短语提取 ：使用 FBKE 方法提取关键短语。具体操作是先提取长度为 2 - 4 的 n - grams，然后使用 Spacy 过滤这些短语，只保留根词频率高的名词短语（Spa