當(dāng)下社交網(wǎng)絡(luò)高速發(fā)展,各類信息數(shù)量成指數(shù)式的爆發(fā)增長,人們生活,社交,娛樂,閱讀更加依賴于社交網(wǎng)絡(luò)。為了滿足人們?nèi)找嬖鲩L的快速獲取信息的需求,互聯(lián)網(wǎng)中誕生了諸如微博,豆瓣,知乎,今日頭條等媒體。這類媒體通過給用戶推送短文本信息,使得用戶得以在短時間內(nèi),迅速了解時下社會問題,熱點(diǎn)新聞,重要事件等與生活息息相關(guān)的信息。隨著這類短文本信息量不斷的積累,這其中蘊(yùn)含的大量有價值的信息對人們的日常的生活,工作,學(xué)習(xí),有著不小的影響。并且對經(jīng)濟(jì),文化,政治等多個方面有著重大的研究意義。對這類短文本數(shù)據(jù)進(jìn)行精準(zhǔn)且有效的聚類,對輿情監(jiān)測,廣告投放,情感分析,文本分類等領(lǐng)域,有著先導(dǎo)作用和應(yīng)用的價值。因此,對于海量的短文本信息數(shù)據(jù)的聚類研究,是存在著實(shí)際意義和研究前景的。短文本與長文本相比,文本長度短,詞匯個數(shù)少。在整體的信息量不降低的前提下,短文本的單個詞具有高信息量,高概括性。傳統(tǒng)基于詞向量特征空間模型,將短文本轉(zhuǎn)換成稀疏的空間詞特征矩陣,在處理大量數(shù)據(jù)時,會面臨空間復(fù)雜度高,特征矩陣稀疏度高,針對噪聲的抵抗弱,魯棒性低的問題。利用word2vec結(jié)合文本卷積神經(jīng)網(wǎng)絡(luò)的方法將文本信息壓縮,極大程度的保... 

【文章來源】：南華大學(xué)湖南省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

CNN模型圖

28法的適用性，增強(qiáng)算法的聚類效果，彌補(bǔ)PSO-FCM算法魯棒性弱的不足。112222()(())(())1(1)(())0iiiiiivtcxtcxttvtcxtt，，…（3.14）1122=r，=r……………………………………（3.15）圖3.1高主成分貢獻(xiàn)維度圖3.2低主成分貢獻(xiàn)維度3.2.2PSO‐FCM模型算法步驟PCA-PSO-FCM的具體步驟如下：

28法的適用性，增強(qiáng)算法的聚類效果，彌補(bǔ)PSO-FCM算法魯棒性弱的不足。112222()(())(())1(1)(())0iiiiiivtcxtcxttvtcxtt，，…（3.14）1122=r，=r……………………………………（3.15）圖3.1高主成分貢獻(xiàn)維度圖3.2低主成分貢獻(xiàn)維度3.2.2PSO‐FCM模型算法步驟PCA-PSO-FCM的具體步驟如下：


本文編號：3573646