基于词类和搭配微博舆情文本聚类方法及研究.pdfVIP

第38卷第 1期 南京师大学报(自然科学版) Vol．38 No．1 2015年3月 JOURNAL OF NANJING NORMAL UNIVERSITY(Natural Science Edition) Mar,2015 ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■ 基于词类和搭配的微博舆情文本聚类方法研究 1 2 1 王恒静 ,曹存根 ,高　 尚 (1.江苏科技大学计算机科学与工程学院,江苏 镇江212003) (2.中国科学院计算技术研究所智能信息处理重点实验室,北京 100190) [摘要]　 微博是近年出现的新型互联网信息交流平台,它具有主题分散、体量短小、文体自由等特性,它能对社 会产生巨大的影响,所以信息监管部门和商业企业对基于微博信息的舆情分析都有迫切需求. 提出了基于搭配 的文本聚类新方法,该方法先进行微博文本预处理,然后利用词类模型进行自动抽取有效搭配,最后基于有效搭 配的模型进行文本聚类. 实验证明利用词类文本聚类方法比传统文本聚类方法性能提高6.3%,而本文方法比利 用词类文本聚类方法性能提升了16.8%,结果显示了本方法的有效性. [关键词]　 微博舆情分析,词义类簇,搭配,相似度,文本聚类 - - - [中图分类号]TP391　 [文献标志码]A　 [文章编号]1001 4616(2015)01 0057 09 Research on Text Clustering of Micro-Blog Public Opinion: Word Sense Cluster and Collocation-Based Method 1 2 1 Wang Hengjing ,Cao Cungen ,Gao Shang (1.School of Computer Science and Engineering,Jiangsu University of Science and Technology,Zhenjiang212003,China) (2.Key Laboratory of Intelligent Information Processing,Institute of Computing Technology,Chinese Academy of Sciences,Beijing 100190,China) Abstract:Micro-blogisthenew internetinformationexchangeplatformemergedrecently,whichhasthefeaturesoftheme dispersion,short volume,stylisticfreedom,and it can have a huge impact on society. So the information supervision de- partment and commercial enterprise have urgent demand for public opinion analysis based on micro-blog information. Thispaper presents a novel collocation-based method for text clustering. This method conducts micro-blog text prepro-