K-means和SOM在商品评论中的情感词聚类对比

• 作者: 尹春华 赵翠翠
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: K-means SOM 商品评论 情感词聚类
• 年，卷（期）: 2020,（1）
• 页码范围: 23-26
• 页数: 4页
• 分类号: TP39
• 字数: 2893字
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2020.01.004

摘要

为了选取适合商品评论中情感词聚类的方法,利用K-means和SOM两种算法分别进行聚类分析;以商品评论为研究对象,通过对商品评论文本进行分词、向量化表示等步骤得到情感词向量,采用欧氏距离进行相似度聚类计算;经过对两种算法可视化结果和准确率的对比分析,发现SOM算法的聚类结果更均匀,准确率更高;实验表明,SOM算法的情感词聚类效果优于K-means算法,更适合于商品评论情感词聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹春华	北京信息科技大学信息管理学院	23	136	5.0	11.0
2	赵翠翠	北京信息科技大学信息管理学院	2	0	0.0	0.0