

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著網(wǎng)絡技術的迅猛發(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是至關重要的。本文從特征構成角度出發(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,識別具有傾向性的特征是至關重要的。因此在傾向性聚類任務中,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
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向文本聚類的語義加權研究.pdf
- 基于語義的文本聚類搜索研究.pdf
- 基于語義過濾的文本和文本流聚類研究.pdf
- 基于語義相似度的論文文本聚類算法研究.pdf
- 基于概念語義分析的文本聚類研究.pdf
- 基于語義距離的文本聚類算法研究.pdf
- 基于語義的短文本聚類算法研究.pdf
- 基于語義和領域相關的文本聚類研究.pdf
- 基于潛在語義索引的文本聚類算法研究.pdf
- 基于語義相似度的文本聚類算法的研究.pdf
- 基于簇特征的文本增量聚類研究.pdf
- 基于文本聚類的特征選擇算法研究.pdf
- 文本聚類算法的語義性改進與實現(xiàn).pdf
- 結合概率潛在語義分析的文本譜聚類研究.pdf
- 基于潛在語義索引的文本聚類技術研究.pdf
- 基于語義分析的評論文本挖掘與商品推薦.pdf
- 基于語義相似度的群智能文本聚類方法研究.pdf
- 基于特征加權的半監(jiān)督文本聚類研究.pdf
- 基于潛在語義的文本自動聚類系統(tǒng)的研究與實現(xiàn).pdf
- 基于特征詞的文本聚類算法研究.pdf
評論
0/150
提交評論