基于社交特征的多维度文本表示方法

• 作者: 钟文良 陈功 黄瑞章
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 文本表示 文本聚类 社交特征
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 2348-2355
• 页数: 8页
• 分类号: TP391
• 字数: 6956字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2016.11.029

摘要

Web文本表示方法作为所有Web文本分析的基础工作,对文本分析的结果有深远的影响.提出了一种多维度的Web文本表示方法.传统的文本表示方法一般都是从文本内容中提取特征,而文档的深层次特征和外部特征也可以用来表示文本.本文主要研究文本的表层特征、隐含特征和社交特征,其中表层特征和隐含特征可以由文本内容中提取和学习得到,而文本的社交特征可以通过分析文档与用户的交互行为得到.所提出的多维度文本表示方法具有易用性,可以应用于各种文本分析模型中.在实验中,改进了两种常用的文本聚类算法——K-means和层次聚类算法,并命名为多维度K-means MDKM和多维度层次聚类算法MDHAC.通过大量的实验表明了本方法的高效性.此外,我们在各种特征的结合实验结果中还有一些深层次的发现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄瑞章	贵州大学计算机科学与技术学院	16	47	4.0	6.0
5	钟文良	贵州大学计算机科学与技术学院	2	4	1.0	2.0
6	陈功	贵州大学计算机科学与技术学院	1	4	1.0	1.0