| 1. | Text classification using sentential frequent itemsets
使用句子级频繁项目集的文本分类方法 |
| 2. | A bit string array - based mining algorithm for maximum frequent itemset
基于位串数组的最大频繁项目集挖掘算法 |
| 3. | To combine two or more sets of items into one set of any form
将两个或多个项目集合并成一个任何形式的项目集。 |
| 4. | Work on items using settings and options that apply to an entire set of projects
使用应用于整个项目集的设置和选项来处理项。 |
| 5. | 12 li h , yamanishi k . text classification using esc - based stochastic decision lists . in proc
但是有的时候仅仅基于句子级频繁项目集的相似度判断是不够的。 |
| 6. | Solutions solutions manage the way visual studio configures , builds , and deploys sets of related projects
解决方案管理visual studio配置、生成和部署相关项目集的方式。 |
| 7. | 3 antonie maria - luiza , zaiane osmar r . text document categorization by term association . in proc . ieee int
通过将文档映射为文档数据库，然后使用apriori算法在文档数据库中挖掘句子级的频繁项目集。 |
| 8. | To realize this target , new data structure is introduced for some frequent itemsets : left tag and right tag
为达到这个目的，我们引进了一个辅助的数据结构，对某些频繁项目集增加了左标志位和右标志位。 |
| 9. | 7 joachims t . text categorization with support vector machines : learning with many relevant features . in proc . 10th european conf
相比较于传统的文本关联规则，句子级的频繁项目集包含了更多的局部上下文信息。 |
| 10. | Simultaneously , the previously mined large itemsets are employed to compute currently large itemset counts and the i / o number of times can be reduced
同时，利用已挖掘的大项目集计算本次挖掘中大项目集的记数，减少了i / o的次数。 |
