可增量的用户短文本聚类方法研究

• 作者: 张仪 张再跃 陈国
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 短文本 语义归一化 离线聚类 在线聚类
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 83-87
• 页数: 5页
• 分类号: TP301
• 字数: 5082字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2017.11.018

摘要

随着大数据时代的到来,用户短文本数据呈爆炸性增长,充分利用聚类分析技术获取短文本中的有用信息显得十分重要.聚类分析作为一种重要的知识发现手段,是将对象按其特征的相似程度进行归类的过程.为此,提出了一种可增量面向用户短文本聚类方法.该方法包括离线聚类和在线聚类两大类,前者在短文本预处理的基础上,利用无关语词典对短文本中的无关语进行识别和清理,再利用词类词典对短文本进行语义归一化;同时还提出了基于多特征融合的相似度计算方法,以实现对文本的相关性聚类.后者则以离线聚类结果为特征,对在线文本进行在线聚类操作,将离线聚类结果和在线聚类结果进行合并,以生成最终的聚类结果.为验证该方法的有效性与可行性,与基于特征向量的相似度方法进行了对比实验.实验结果表明,该方法的聚类召回率可达73%,聚类精度达到87.7%,F值为79.6%,均优于基于特征向量的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张再跃	江苏科技大学计算机科学与工程学院	40	154	7.0	11.0
2	张仪	江苏科技大学计算机科学与工程学院	1	0	0.0	0.0
3	陈国	江苏科技大学计算机科学与工程学院	1	0	0.0	0.0