使用多元語(yǔ)義特征的評(píng)論文本聚類(lèi)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，我們已經(jīng)逐漸進(jìn)入全民參與創(chuàng)造互聯(lián)網(wǎng)信息的時(shí)代。評(píng)論文本成為互聯(lián)網(wǎng)信息的主要承載方式，人們迫切希望從海量的評(píng)論文本中快速、高效地挖掘出有用的信息。而文本聚類(lèi)技術(shù)不需要任何先驗(yàn)知識(shí)，且已有很多成熟、高效的算法，因此常常被視為數(shù)據(jù)挖掘優(yōu)先考慮使用的方法之一。
　　 特征對(duì)于觀點(diǎn)挖掘和情感分析任務(wù)是至關(guān)重要的。本文從特征構(gòu)成角度出發(fā)，使用傳統(tǒng)的k-means方法研究文本主題聚類(lèi)與傾向性聚類(lèi)。
　　 (1)

2、主題聚類(lèi)
　　 特征對(duì)文本主題聚類(lèi)起著重要的作用，本文從特征的語(yǔ)言粒度出發(fā)，討論了名詞、名詞短語(yǔ)、語(yǔ)義角色三種特征，并考慮它們之間的語(yǔ)義冗余，給出冗余處理策略和權(quán)重調(diào)整方法。實(shí)驗(yàn)表明，冗余處理策略使主題聚類(lèi)純度改善的范圍為0.01-0.25;權(quán)重調(diào)整方法使主題聚類(lèi)純度改善的范圍為0.011-0.015;冗余處理策略和權(quán)重調(diào)整方法同時(shí)使用時(shí)，使主題聚類(lèi)純度改善的范圍為0.015-0.021。
　　 為了進(jìn)一步探究語(yǔ)義角色特

3、征與名詞特征之間的語(yǔ)義關(guān)系，本文提出了一種基于語(yǔ)義角色特征分解的直接定位有效詞特征的特征選擇方法，在復(fù)雜數(shù)據(jù)集上達(dá)到0.8099的聚類(lèi)純度，該方法是易于理解且有效的，為文本主題聚類(lèi)的特征選擇方法提供了新思路。
　　 (2)傾向性聚類(lèi)
　　 對(duì)于傾向性分析任務(wù)，識(shí)別具有傾向性的特征是至關(guān)重要的。因此在傾向性聚類(lèi)任務(wù)中，為了盡可能多地識(shí)別具有傾向性的詞語(yǔ)作為聚類(lèi)特征，本文提出一種自動(dòng)識(shí)別和標(biāo)注傾向性特征的方法。該方法使用傾向