一种“特征降维”文本复杂网络的话题表示模型

摘要：

[目的]通过一种特征降维方法解决传统词同现导致文本复杂网络处理大规模语料库时的高维性和稀疏性瓶颈问题.[方法]以共现概率表示词语间互信息值,抽取大于阈值的词语组合,以此为基础根据句法结构获得三级词条构建初始网络,通过修正算法完成文本复杂网络的进化,实现话题语义表达.[结果]以微博热门话题“全球爆发网络勒索病毒”下6 936条微博构建语料库进行实验,得到具有217个节点,2 019条边的网络模型,并用于微博话题特征发现研究,获得优化效果.[局限]文本复杂网络的网络节点权重赋值存在进一步探索的空间.[结论]该模型能够有效减少网络节点冗余,同时提高了文本复杂网络对话题的语义表达效果,为复杂网络理论用于文本挖掘提供一条新途径.

关键词：特征降维、文本复杂网络、话题表示

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金项目“基于演化本体的网络舆情自适应话题跟踪方法研究”71373123;江苏高校哲学社会科学研究重点项目“基于超网络的江苏教育微博舆情多元意见演化模型及应用研究”2015ZDIXM007;江苏省普通高校研究生科研创新计划项目“社交网络上的舆情传播模型及控制策略研究”项目KYZZ15_0104的研究成果之一

在线出版日期：2017-12-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：53-61