xml:id='sam11323-para-0001'> We propose a general framework for topic‐specific summarization of large text corpora, and illustrate '/>
机译:在文本语料库中任意长的短语进行稀疏特征选择,重点是可解释性
Harvard Graduate School of EducationCambridge MA USA;
US Department of LaborBoston MA USA;
concise comparative summarization; sparse classification; regularized regression; Lasso; text summarization; text mining; key‐phrase extraction; text classification; high‐dimensional analysis; L2 normalization;
机译:对文本语料库中的任意长短语进行稀疏特征选择,重点是可解释性
机译:通过弹性网对生物医学文本进行有效而稀疏的特征选择:从护理记录中应用于ICU风险分层
机译:通过弹性网的生物医学文本分类的高效和稀疏特征选择:从护理笔记中申请ICU风险分层
机译:从未标记的社会文本消息中学习可解释和统计上的知识:描述性文本挖掘的新方法
机译:进化型现成商用软件的功能选择:针对上市时间,创新和享乐主义-功利主义权衡的研究
机译:大规模文本语料库的自动实体识别和键入:一种短语和网络挖掘方法
机译:对文本中任意长的短语进行稀疏特征选择 语料库,侧重于可解释性