复杂网络理论在中文文本特征选择中的应用研究

被引：17

作者：

赵辉

刘怀亮

范云杰

机构：

[1] 西安电子科技大学经济管理学院

来源：

现代图书情报技术 | 2012年 / 09期

关键词：

复杂网络; 语义相关关系; 节点综合特性; 特征选择;

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：

提出一种基于复杂网络的特征选择方法,通过构建文本加权复杂网络来表示词语间的语义关系及结构信息,综合考虑节点加权度、加权聚集系数、节点介数计算节点特性,利用节点综合特性提取反映文本主题的关键词作为文本的特征词。给出基于复杂网络的中文文本特征选择算法,并对其进行实验验证。结果表明,该特征选择方法较传统方法在文本分类性能上有所提高。

引用

页码：23 / 28

页数：6

共 11 条

[1]

基于维基百科构建语义知识库及其在文本分类领域的应用研究.[D].苏小康.华中师范大学.2010, 10

[2]

基于统计的中文文本关键短语自动抽取方法研究.[D].韩艳.苏州大学.2009, 10

[3]

Web数据挖掘中的文本分类研究.[D].郑碎潘.南京航空航天大学.2007, 06

[4]

复杂网络理论与应用研究.[D].李勇.华南理工大学.2005, 06

[5]

语义网、社会网络计算与Web资源共享.[M].王莉; 著.电子工业出版社.2011,

[6] Machine learning in automated text categorization [J].

Sebastiani, F .

ACM COMPUTING SURVEYS, 2002, 34 (01) :1-47

[7]

Induction of decision trees.[J].J. R. Quinlan.Machine Learning.1986, 1

[8] 基于加权复杂网络的文本关键词提取 [J].

谢凤宏 ;

张大为 ;

黄丹 ;

谢福鼎 .

系统科学与数学, 2010, 30 (11) :1592-1596

[9] 一种基于复杂网络特征的中文文档关键词抽取算法 [J].

赵鹏 ;

蔡庆生 ;

王清毅 ;

耿焕同 .

模式识别与人工智能, 2007, 20 (06) :827-831

[10] 一种基于加权复杂网络特征的K-means聚类算法 [J].

赵鹏 ;

耿焕同 ;

蔡庆生 ;

王清毅 .

计算机技术与发展, 2007, (09) :35-37+40

← 1 2 →