一种新的Web中文文本聚类方法研究

被引：3

作者：

叶宇飞 ^{[1
]}

安世全 ^{[2
]}

代劲 ^{[3
]}

机构：

[1] 重庆邮电大学计算机科学与技术学院

[2] 重庆邮电大学移通学院

[3] 重庆大学计算机科学与技术学院

来源：

计算机应用与软件 | 2013年 / 30卷 / 12期

关键词：

Web文本聚类; 特征降维; 知网; 文本相似度;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

传统的文本聚类缺少语义信息,文本的特征向量高维稀疏,忽略了Web文本的特殊性。为了解决这些问题,提出一种Web中文文本聚类方法。在基于知网(HowNet)的概念空间基础上过滤非名词,分析文本中重要词汇的语义,对标签特征集与正文特征集进行特征集聚类,再利用改进的TF-IDF算法选取两个集合中的特征,最终将文本表示为选取的标签特征集与正文特征集的并集,降低了特征的维度,高效地表示了文本。通过实验验证了其有效性。

引用

页码：222 / 225+287 +287

页数：5

共 8 条

[1]

The SMART retrieval system-experiments in automatic document processing. Salton G. The SMART Retrieval System: Experiments in Automatic Document Processing . 1971

[2] 一种结合词项语义信息和TF-IDF方法的文本相似度量方法 [J].

黄承慧 ;

印鉴 ;

侯昉 .

计算机学报, 2011, 34 (05) :856-864

[3] 基于概念格的Web文本聚类 [J].

李云 ;

田素方 ;

李拓 ;

徐涛 .

计算机工程与应用, 2008, (23) :169-171+186

[4] 一种基于语义内积空间模型的文本聚类算法 [J].

彭京 ;

杨冬青 ;

唐世渭 ;

付艳 ;

蒋汉奎 .

计算机学报, 2007, (08) :1354-1363

[5] 基于Web的文本挖掘技术研究 [J].

许高建 .

计算机技术与发展, 2007, (06) :187-190

[6]

基于知网语义相似度的中文文本聚类方法研究[D]. 许君宁.西安电子科技大学 2010

[7]

Web Document Clustering:A Feasibility Demonstration. Zamir O,Etzioni O. Proceedings of the 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval . 1998

[8] 概念向量文本聚类算法 [J].

白秋产 ;

金春霞 ;

周海岩 .

计算机工程与应用, 2011, 47 (35) :155-157+209

← 1 →