基于決策粗糙集的web短文本挖掘模型.pdf

1、隨著互聯(lián)網(wǎng)技術的發(fā)展，在線商品評論、新聞評論、在線社交文本等Web短文本每時每刻都在大量更新。Web短文本具有字數(shù)少、情感傾向性強和結(jié)構(gòu)渙散等特點，但是這些文本數(shù)據(jù)隱藏著大量的有用信息。針對短文本的分析研究，日益迫切。為此，本文提出了一種基于決策粗糙集的web短文本挖掘模型，該模型面向網(wǎng)絡中的商品在線評論、新聞評論、在線社交動態(tài)等更新速度快、內(nèi)容隨意性強的高維稀疏文本數(shù)據(jù)。利用決策粗糙集在處理不精確不一致、含糊、不確定、帶有噪聲數(shù)據(jù)方面

2、的優(yōu)勢，對信息決策表進行約簡，然后采用決策粗糙集的自動面向知識的聚類算法，進行web短文本數(shù)據(jù)的分析。源于web在線評論文本的情感傾向性比較明顯，本文提出了基于HowNet詞典的情感傾向性分析算法，把高維的文本數(shù)據(jù)轉(zhuǎn)化成低維度的數(shù)據(jù)?；谙∈杈仃噳嚎s思想和向量空間模型，提出了有序二元組向量空間模型，并給出了相應的計算方法，很大程度上減小了存儲空間，優(yōu)化了算法計算量。
　　本文以在線商品評論分析系統(tǒng)為例，成功獲取淘寶商品在線評論，進