Current Location:home > Browse

1. chinaXiv:201711.01936 [pdf]

基于改进CFSFDP 算法的文本聚类方法及其应用

詹春霞; 王荣波; 黄孝喜; 谌志群
Subjects: Library Science,Information Science >> Information Science

【目的】针对CFSFDP(Clustering by Fast Search and Find of Density Peaks)算法利用局部密度和距离的乘积选择聚类中心而导致聚类结果不理想的问题进行改进。【方法】提出一种基于粒子群算法的CFSFDP 算法, 通过粒子群算法寻找CFSFDP 算法中的最佳局部密度和距离阈值, 得到相对较高的局部密度和距离的聚类中心, 减少离散点对数据中心选取的影响, 并在某高考咨询平台提供的考生问题库中随机选取数据集进行试验。【结果】实验结果表明, 在不同的数据集中, 本文算法相对于基本的CFSFDP 算法在准确率、召回率、F 值上均有明显提高。【局限】文本处理时没有考虑语义关系。【结论】本文方法有很好的聚类效果, 应用在高考咨询库中能够有效地减轻被咨询方的工作量并且帮助快速回答考生的问题。

submitted time 2017-11-08 From cooperative journals:《数据分析与知识发现》 Hits22605Downloads924 Comment 0

2. chinaXiv:201711.01967 [pdf]

基于LDA 模型的移动投诉文本热点话题识别

方小飞; 黄孝喜; 王荣波; 谌志群; 王小华
Subjects: Library Science,Information Science >> Library Science

【目的】运用中文信息处理和话题识别与追踪的方法, 从大量移动投诉文本中找出有价值的信息。【方法】从分析投诉文本的特点入手, 使用k-means 先对文本聚类。利用LDA 对每个类进行建模, 提取话题, 并从词频、词跨度和词长三方面计算每个话题中词的权值, 把权重最大的词作为该话题的标签, 并计算每个话题的文档分布概率均值。对具有相同标签的话题, 先按照均值最大的原则去掉重复标签话题, 再对所有话题计算文档支持率, 并将文档支持率作为话题的热度, 通过热度区分热点话题和一般话题。【结果】对投诉文本进行时间上的建模, 通过对比一般话题和热点话题, 得出热点话题的支持文档率至少是一般话题的3 倍, 支持文档率变化趋势也比一般话题高, 说明本文算法是有效的。【局限】没有考虑到话题之间的语义关系。【结论】利用LDA 模型对移动投诉话题检测初探的方法是比较合理和有效的, 对今后此领域的研究具有一定的借鉴意义。

submitted time 2017-11-08 From cooperative journals:《数据分析与知识发现》 Hits1959Downloads1412 Comment 0

  [1 Pages/ 2 Totals]