面向新闻评论的短文本增量聚类算法

• 作者: 刘晓琳 曹付元 梁吉业
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 舆情分析 短文本 增量聚类算法 向量空间模型 神经网络
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 950-960
• 页数: 11页
• 分类号: TP391
• 字数: 9146字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1705045

摘要

对新闻评论进行增量聚类可以有效地发现网民对新闻事件的观点,在舆情分析领域具有十分重要的意义.针对传统的增量聚类算法存在对文本输入顺序敏感的缺点,提出了一种基于待定循环策略的增量聚类算法(uncertain cyclic Single-Pass,UCSP).在聚类过程中,针对传统的短文本向量空间模型语义信息匮乏、特征项稀疏的问题,结合神经网络训练的词向量模型,构建了一种基于多特征组合的短文本表示模型.在爬取的5个腾讯新闻评论数据集进行实验,并与传统的文本表示模型和聚类算法进行对比分析,结果表明,所提算法可以有效地提高聚类质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁吉业	山西大学计算机与信息技术学院	114	1486	21.0	34.0
5	曹付元	山西大学计算机与信息技术学院	34	322	8.0	17.0
9	刘晓琳	山西大学计算机与信息技术学院	1	3	1.0	1.0