知识卡片
词项权重把历史活跃迁移到新主题
取包含某词的历史线程权重均值,让新主题可借共享词获得权重;正文再用全训练语料的词频对数作为熟悉度。它把“与过去活跃/已见内容相似”当重要性代理,不是从真实重要性标签学习。词项子串匹配还可能合并不同词,应检查分词边界。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 排序:智能收件箱 邮件线程活跃度的权重计算 · 连续片段2 · 查看原书依据
term.weights<-sapply(thread.terms, function(t)mean(thread.weights$Weight[grepl(t, thread. weights$Thread, fixed=TRUE)])) term.weights<-data.
参考来源
- 位置:《机器学习:实用案例解析》第04章《邮件线程活跃度的权重计算 · 连续片段2》(来源项目book-sources;源文件:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part3100.html,spine3206)
- 结论依据:原文的案例步骤与解释支持所述机制;R包、外部API与数据接口限定于本书出版时环境,不作为当前兼容性承诺。
- 原始内容:term.weights<-sapply(thread.terms, function(t)mean(thread.weights$Weight[grepl(t, thread. weights$Thread, fixed=TRUE)])) term.weights<-data.