动态向量的中文短文本聚类

摘要：

因中文短文本特征词词频低、存在大量变形词和新词的特点,使得中文短文本相似度发生漂移,难以直接使用现有的面向长文本的聚类算法.针对短文本相似度漂移问题,提出了一种基于《知网》扩充相关词集构建动态文本向量的方法,利用动态向量计算中文短文本的内容相似度,进而发现短文本之间的内在关联,从而缓解特征词词频过低和存在变形词以及新词对聚类的影响,获得较好的聚类结果.实验结果表明,该算法的聚类质量高于传统算法.

关键词：短文本、文本相似度、动态表示向量、文本聚类、K-means算法

所属期刊栏目：47

分类号：TP391.1(计算技术、计算机技术)

资助基金：江苏省科技攻关项目BE2006357

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：156-158