本文關鍵詞：基于語義相似度的文本聚類研究

  更多相關文章： 同義詞詞林擴展版 語義相似度 譜聚類 文本挖掘

【摘要】：【目的】為解決傳統(tǒng)的文本聚類無法充分挖掘文本資源語義信息以及相似度矩陣高維性、稀疏性等問題,并進一步改善文本聚類質(zhì)量,提出基于語義相似度的文本聚類方法。【方法】通過《同義詞詞林擴展版》計算詞語的語義相似度并得到文本語義相似度矩陣,根據(jù)文本語義相似度矩陣進行譜聚類,將文本聚集為文本簇�！窘Y(jié)果】利用復旦大學文本語料庫與搜狗文本語料庫中的文本資源作為數(shù)據(jù)來源分別對傳統(tǒng)聚類算法與本文提出的算法進行實驗,結(jié)果表明,當聚類個數(shù)為10時,本文算法的準確率最高,并且Purity值高于傳統(tǒng)聚類算法的Purity值�！揪窒蕖俊锻x詞詞林擴展版》中包含的領域術語不完整,部分相似度計算結(jié)果需要手工進行調(diào)整�！窘Y(jié)論】該方法考慮了詞語間語義關系,充分挖掘文本主體潛在信息,并且改善了聚類質(zhì)量,為文本聚類和推薦提供了一條新途徑。
【作者單位】： 吉林大學管理學院;內(nèi)蒙古大學圖書館;
【基金】：國家自然科學基金項目“語義網(wǎng)絡環(huán)境下數(shù)字圖書館資源多維度聚合與可視化展示研究”(項目編號:71273111)的研究成果之一
【分類號】：TP391.1
【正文快照】： 1引言Web2.0時代,文本數(shù)據(jù)呈現(xiàn)爆炸式增長[1]。文本聚類作為一種無監(jiān)督的機器學習方法,可以對文本信息進行有效的組織、分類和導航[2],從而保證用戶對知識進行有效、便捷的獲取。然而,文本聚類過程中,采用向量空間模型計算文本間相似度的方法受共現(xiàn)特征詞影響較大[3],易造成描

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡艷波;崔新春;路青;;2002～2011年國內(nèi)語義相似度研究計量分析[J];情報科學;2013年07期

2 王家琴;李仁發(fā);李仲生;唐劍波;;一種基于本體的概念語義相似度方法的研究[J];計算機工程;2007年11期

3 劉俊;;基于語義相似度的關鍵詞生成在企業(yè)搜索引擎營銷中應用[J];電腦知識與技術;2008年14期

4 宗裕朋;吳剛;;一種基于上下文的語義相似度算法[J];微計算機信息;2008年30期

5 劉春辰;劉大有;王生生;趙靜濱;王兆丹;;改進的語義相似度計算模型及應用[J];吉林大學學報(工學版);2009年01期

6 徐猛;劉宗田;周文;;一種基于知網(wǎng)語義相似度計算的應用研究[J];微計算機信息;2010年03期

7 孫海霞;錢慶;成穎;;基于本體的語義相似度計算方法研究綜述[J];現(xiàn)代圖書情報技術;2010年01期

8 魏椺;向陽;陳千;;計算術語間語義相似度的混合方法[J];計算機應用;2010年06期

9 馬續(xù)補;郭菊娥;;基于《知網(wǎng)》語義相似度的企業(yè)事實主題診斷研究[J];情報雜志;2010年05期

10 魏凱斌;冉延平;余牛;;語義相似度的計算方法研究與分析[J];計算機技術與發(fā)展;2010年07期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 關毅;王曉龍;;基于統(tǒng)計的漢語詞匯間語義相似度計算[A];語言計算與基于內(nèi)容的文本處理——全國第七屆計算語言學聯(lián)合學術會議論文集[C];2003年

2 李月雷;師瑞峰;林麗冰;周一民;;漢語語句語義相似度的計算方法[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

3 馮新元;魏建國;路文煥;黨建武;;引入領域知識的基于《知網(wǎng)》詞語語義相似度計算[A];第十二屆全國人機語音通訊學術會議（NCMMSC'2013）論文集[C];2013年

4 章成志;;詞語的語義相似度計算及其應用研究[A];NCIRCS2004第一屆全國信息檢索與內(nèi)容安全學術會議論文集[C];2004年

5 劉寒磊;關毅;徐永東;;多文檔文摘中基于語義相似度的最大邊緣相關技術研究[A];全國第八屆計算語言學聯(lián)合學術會議（JSCL-2005）論文集[C];2005年

6 石靜;邱立坤;王菲;吳云芳;;相似詞獲取的集成方法[A];中國計算語言學研究前沿進展（2009-2011）[C];2011年

7 陳明;鹿e，

本文編號：1251991