Web信息检索.PDF

Web信息检索 §4.1 文本聚类 (Text Clustering) 徐悦甡(Yueshen Xu) ysxu@ / xuyueshen@163.com 知识与数据工程研究中心 软件学院 后续课程安排 ? 计划 ? 文本聚类 问题背景? 通用方法 ? 针对文本的方法 ? 文本分类 ? 推荐系统 ? 基于协同过滤的推荐方法 Query-free Information ? 基于内容的推荐方法 Retrieval ? 基于网络的推荐方法 ? 信息归纳与过滤 ? 话题建模 ? 垃圾信息过滤 ? 检索结果评估 2017/4/10 2 软件工程系 自我介绍 ? 教育经历 ? 2007~2011，西电软件工程系，本科； ? 2011~2016，浙江大学/伊利诺伊大学（芝加哥）博士 ? 2013.10~2014.1，网易杭州研究院，数据挖???实习研究员 ? 目前工作 ? 软件学院，数据与知识工程研究中心 ? 数统院，校数学建模（国赛/美赛）教练 ? 研究点 ? 自然语言理解、文本学习、推荐系统、非参数学习 ? 个人主页：/ysxu/ （含课件） 2017/4/10 3 软件工程系 推荐教材 ? 英文教材 ? C. D. Manning, P. Raghavan and H. Schütze. Introduction to Information Retrieval, Cambridge University Press, 2008 ? B. Croft, D. Metzler, T. Strohman. Search Engines: Information Retrieval in Practice, Addison-Wesley ? 中文教材 ? 以上两本书的译版 ? 资源（公开课等） ? Chengxiang Zhai (顶级IR学者，有幸在电梯里碰到过)： /learn/text-retrieval ? C.D. Manning (顶级NLP学者)： /class/cs276/course_schedule.html ? R. J. Mooney(顶级NLP学者)：/users/mooney/ 2017/4/10 4 软件工程系 推荐教材(续) ?周边学科教材（中文） ? 自然语言理解 ? 宗成庆. 统计自然语言处理（第2版）, 清华大学出版社, 2013 ? 机器学习 ? 周志华. 机器学习, 清华大学出版社，2016 ? 李航. 统计学习方法，清华大学出版社，2012 ? 刘铁岩. 排序学习，课件 ? 推荐系统 ? 项亮. 推荐系统实践，人民邮电出版社，2012 ? 我自己主页上的课件与讲义 2017/4/10 5 软件工程系 本节提纲 ? 文本聚类（Text Clustering） ? 一般性聚类任务 ? 聚类任务引出；应用背景；相似性度量；学科栈 ? 文本聚类任务 ? 聚类对象与文本特征 ? 基于划分的方法（e.g., K-Means） ? 基于密度的方法（e.g., DBScan） ? 基于层次的方法 注意与一般性聚类任务的 ? 聚类效果评估 异同 2017/4/10 6 软件工程系 本节提纲 ? 文本聚类（Text Clustering） ? 一般性聚类任务 ? 聚类任务引出；应用背景；相似性度量；学科栈 ? 文本聚类任务 ? 聚类对象与文本特征 ? 基于划分的方法（e.g., K-Means） ? 基于密