使用多元語義特征的評論文本聚類研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，我們已經(jīng)逐漸進入全民參與創(chuàng)造互聯(lián)網(wǎng)信息的時代。評論文本成為互聯(lián)網(wǎng)信息的主要承載方式，人們迫切希望從海量的評論文本中快速、高效地挖掘出有用的信息。而文本聚類技術(shù)不需要任何先驗知識，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。
　　 特征對于觀點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與傾向性聚類。
　　 (1)

2、主題聚類
　　 特征對文本主題聚類起著重要的作用，本文從特征的語言粒度出發(fā)，討論了名詞、名詞短語、語義角色三種特征，并考慮它們之間的語義冗余，給出冗余處理策略和權(quán)重調(diào)整方法。實驗表明，冗余處理策略使主題聚類純度改善的范圍為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)整方法同時使用時，使主題聚類純度改善的范圍為0.015-0.021。
　　 為了進一步探究語義角色特

3、征與名詞特征之間的語義關(guān)系，本文提出了一種基于語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)集上達到0.8099的聚類純度，該方法是易于理解且有效的，為文本主題聚類的特征選擇方法提供了新思路。
　　 (2)傾向性聚類
　　 對于傾向性分析任務(wù)，識別具有傾向性的特征是至關(guān)重要的。因此在傾向性聚類任務(wù)中，為了盡可能多地識別具有傾向性的詞語作為聚類特征，本文提出一種自動識別和標注傾向性特征的方法。該方法使用傾向