词性对中英文文本聚类的影响研究

• 作者: 刘艳云 王东波 苏新宁 韩普
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 词性标注 文本聚类 文本特征
• 年，卷（期）: 2013,（2）
• 页码范围: 65-73
• 页数: 9页
• 分类号: TP391
• 字数: 7121字
• 语种: 中文

摘要

不同词性特征在文本聚类中有不同的贡献度.该文对四组有代表性的中英文数据集,利用三种聚类算法验证了四种主要词性及其组合对中英文文本聚类的影响.实验结果表明,在中文和英文两种语言中,名词均是表征文本内容的最重要词性,动词、形容词和副词均对文本聚类结果有帮助,仅选择名词作为特征聚类的结果与保留所有词性聚类的结果相近,但可大大降低文本的维度；选用名词为文本特征不能实现最好的聚类效果；相对其他词性组合和单一词性,采用名词、动词、形容词和副词的组合特征往往可以实现更好的聚类效果.在词性所占的比例以及单一词性聚类的结果上,同一词性在中英文文本聚类中呈现出较大差异.相对于英文,不同词性特征及其组合在中文文本聚类中呈现的差异更为稳定.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王东波	南京大学信息管理学院	20	74	5.0	8.0
2	苏新宁	南京大学信息管理学院	176	3541	31.0	52.0
3	韩普	南京大学信息管理学院	14	78	5.0	8.0
4	刘艳云	解放军理工大学指挥自动化学院	2	29	2.0	2.0