基于字符串相似性聚类的网络短文本舆情热点发现技术

被引：59

作者：

杨震

段立娟

赖英旭

机构：

[1] 北京工业大学计算机学院

来源：

北京工业大学学报 | 2010年 / 36卷 / 05期

基金：

北京市自然科学基金;

关键词：

舆情分析; 短文本处理; 层次聚类;

D O I：

暂无

中图分类号：

TP393.09 [];

学科分类号：

摘要：

将每个短文本文档看成一个由文字、数字和标点构成的字符串,并基于字符串自身的特性直接计算其相似性,在此基础上进行短文本层次化聚类,进而发现网络舆情热点.由于这种方法免去特征提取和文本表示过程,在一定程度上避免了传统方法在短文本表示时特征向量稀疏的不足,有效解决了短文本内容聚类问题.实验结果表明,本文提出方法有效.

引用

收藏

页码：669 / 673

页数：5

相关论文

共 4 条

[1]

SMS-2008标注中文短信息库 [J].

马旭 ;

徐蔚然 ;

郭军 ;

胡日勒 .

中文信息学报, 2009, 23 (04) :22-26

[2]

基于语义的文本流形研究 [J].

杨震 ;

范科峰 ;

雷建军 ;

郭军 .

电子学报, 2009, 37 (03) :557-561

[3]

基于层次划分的最佳聚类数确定方法 [J].

陈黎飞 ;

姜青山 ;

王声瑞 .

软件学报, 2008, (01) :62-72

[4]

基于改进编辑距离的中文相似句子检索.[J].车万翔;刘挺;秦兵;李生;.高技术通讯.2004, 07