利用word2vec对中文词进行聚类的研究

• 作者: 徐鹏 郑文超
• 来源期刊: 软件
• 学科: 工学
• 关键词: 数据挖掘 聚类 分词 词向量 神经网络
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 理论计算机科学
• 页码范围: 160-162
• 页数: 3页
• 分类号: TP39
• 字数: 2927字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2013.12.040

摘要

文本聚类在数据挖掘和机器学习中发挥着重要的作用，该技术经过多年的发展，已产生了一系列的理论成果。本文在前人研究成果的基础上，探索了一种新的中文聚类方法。本文先提出了一种中文分词算法，用来将中文文本分割成独立的词语。再对处理后的语料使用Word2Vec工具集，应用深度神经网络算法，转化为对应的词向量。最后，将词向量之间的余弦距离定义为词之间的相似度，通过使用K-means聚类算法将获取的词向量进行聚类，最终可以返回语料库中同输入词语语意最接近的词。本文从网络上抓取了2012年的网络新闻数据，应用上述方法进行了实验，取得了不错的实验效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐鹏	北京邮电大学网络技术研究院	33	433	11.0	20.0
2	郑文超	北京邮电大学网络技术研究院	1	66	1.0	1.0