基于特征翻译和潜在语义标引的跨语言文本聚类实验分析

摘要：

[目的]通过多组实验来分析跨语言文本聚类中的基于特征翻译和潜在语义标引性能、注意事项和发展方向.[方法]从有关双语站点选取2 736篇中英文对齐的双语新闻语料,以基于特征翻译和潜在语义标引这两种方法分别进行文本聚类实验,并进行各自召回率、准确率、F值的对比.[结果]基于特征翻译的方法处理相对简单,能明显提升多语言文本的聚类效果;基于潜在语义标引的方法由于方法自身在时间和空间复杂度以及其他固有缺陷,最终结果差强人意.[局限]样本丰富度有待进一步扩展,期待在高性能计算环境下对LSI方法进行更全面的实验.[结论]基于特征翻译的方法需进一步提高翻译系统的性能,而LSI方法则需要解决计算复杂度、K值选取等问题.

关键词：跨语言文本聚类、特征翻译、潜在语义标引

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目“面向知识服务的知识组织模式与应用研究”71273126;国家社会科学重点项目“基于语义的馆藏资源深度聚合与可视化展示研究”项目11AZD090的研究成果之一

在线出版日期：2014-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：28-35