改进的频繁词集短文本特征扩展方法

• 作者: 曾宪桃 朱志强 李晓红 马慧芳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 词语权重 信息增益 频繁词集 关联关系 非负矩阵
• 年，卷（期）: 2016,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 213-218
• 页数: 6页
• 分类号: TP391
• 字数: 5779字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2016.10.037

摘要

针对短文本结构短小、语义不足、难以建模的特点,提出一种利用改进频繁词集进行短文本特征扩展的方法.通过计算单词集的支持度和置信度,挖掘出具有共现关系和类别同向关系的频繁二元词集,并在挖掘出的频繁词集基础上定义关联关系对所选词集进一步扩充.同时,在TF-IDF的基础上引入词语信息增益表示词语在文本集合中的类别分布信息,以加强词语权重.由频繁词集通过改进后的词语权重构造出词语相似性矩阵,利用非负矩阵分解技术将其扩展至短文本特征空间,从而得到短文本模型.实验结果表明,该方法构造的短文本模型能显著提升短文本的聚类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马慧芳	西北师范大学计算机科学与工程学院	59	520	12.0	21.0
2	李晓红	西北师范大学计算机科学与工程学院	22	136	6.0	11.0
3	曾宪桃	西北师范大学计算机科学与工程学院	2	12	2.0	2.0
4	朱志强	西北师范大学计算机科学与工程学院	2	11	2.0	2.0