基于半监督学习的中文社交文本事件聚类方法

• 作者: 郭恒睿 王中卿 朱巧明 李培峰
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 社交媒体事件聚类 增量聚类 文本相似度
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 情感分析与社会计算|Sentiment Analysis and Social Computing
• 页码范围: 152-159
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2022.02.017

摘要

面向社交媒体的事件聚类旨在根据事件特征实现短文本聚类.目前,事件聚类模型主要分为无监督模型和有监督模型.无监督模型聚类效果较差,有监督聚类模型依赖大量标注数据.基于此,该文提出了一种半监督事件聚类模型(SemiEC),该模型在小规模标注数据的基础上,利用LSTM表征事件,并基于线性模型计算文本相似度,进行增量聚类.然后,利用增量聚类产生的标注数据对模型再训练,结束后对不确定样本再聚类.实验表明,SemiEC的性能相比基准模型有较大提升.