基于词共现与语义分析的开放分类聚类研究.pdfVIP

 基于词共现和语义分析的开放分类聚类研究  + 贾真 , 尹红风，李天瑞 (西南交通大学 信息科学与技术学院, 四川成都 610031) Tags Clustering Research Based on Word Co-occurrence and Semantic Analysis + JIA Zhen , YIN Hongfeng, LI Tianrui (School of Information and Science Technology, Southwest Jiaotong University, Chengdu 610031, China ) + Corresponding author: Phn: +86-28 E-mail:zjia @, Received 2000-00-00; Accepted 2000-00-00 Abstract : The paper presents online encyclopedia tags clustering algorithm based on word -occurrence and semantic analysis, tags hierarchy trees generation method and hierarchy trees clustering algorithms. The experimental results show that the proposed algorithms achieve high precision and utilizing the tags hierarchy trees to retrieve entries receives high recall rate, which indicate the method is feasible and effective. Key words : tag; clustering; co-occurrence; semantic analysis; hierarchy tree 摘 要: 本文提出了基于词共现和语义分析的网络百科开放分类聚类算法、开放分类层次结构树生成方法以及 层次结构树聚类算法。实验结果表明，开放分类层次结构树的准确率较高，利用开放分类层次结构树检索百科条 目的查全率较高，说明了该方法的可行性和有效性。 关键词: 开放分类；聚类 ；共现；语义分析；层次结构树 1 引言 “开放分类”，又称为“标签”或“大众分类”，是中文网络百科（互动百科、百度百科等）的特定词汇， 是指比传统的目录式分类更灵活、更具自主性的分类方式。用户可以直接根据条目内容来添加相关的一个或 多个开放分类，而不必将条目强制归入某个已经设定好的分类。对“开放分类”进行数据挖掘对分类体系的  Supported by the National Natural Science Foundation of China Director Fund No( 国家自然科学基金委员会主任基 金); Supported by Open Project of Lab. of Management and Control for Complex Systems, Chinese Academy of Sciences No. ( 中国科学院自动化研究所复杂系统管理与控制重点实验室开放课题) 作者简介: 贾真(1975 －),女,河南开封人,硕士,讲师,主要研究领域为数据挖掘,智能信息处理;尹红风 (1964 －), 男,博士,教授, 主要研究领域为大数据,语义网,搜索引擎; 李天瑞(1969 －), 男,教授,博士生导师,主要研究领域为智能信息处理,数据挖掘,数学模型 自动构建、百科知识条目的分类、检索和推荐[1][2 ][3 ]等方面有着广泛的应用前景。聚类研究是其中一个非常重 要的研究课题。开放分类的聚类与传统的文本聚类存在很大差别。开放分类用词没有统一的标准，一般都是 单个的词或短语，包含信息量少，难以自动抽取其特征。Sanderson et al. [4]提出利用词共现分析代替标准聚 类算法获得词语之间的语义包含关系或层次关系，生成词语的概念层次结构。