红楼梦文本分析.doc

. .. 2013高教社杯全国大学生数学建模竞赛（选拔赛） 承 诺 书 我们仔细阅读了中国大学生数学建模竞赛的竞赛规则. 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的行为，我们将受到严肃处理。 我们参赛选择的题号是（从A/B/C/D中选择一项填写）： 我们的参赛报名号为（如果赛区设置报名号的话）： 所属学校（请填写完整的全名）： 参赛队员 (打印并签名) ：1. 2. 3. 指导教师或指导教师组负责人 (打印并签名)： 日期： 年 月 日 赛区评阅编号（由赛区组委会评阅前进行编号）： 队员信息表（必须如实填写） 学号 姓名 所属院 专业 年级 电话 指导教师 是否有笔记本 201100800277 周怡 数学与统计学院 统计学 2011 未选定 201100820017 段熙玉 数学与统计学院 统计学 2011 未选定 201000800138 林阳 机电与信息工程 软件工程 2010 未选定 注：如未选定指导教师可不填写“指导教师”一栏。 2013高教社杯全国大学生数学建模竞赛（选拔赛） 编 号 专 用 页 赛区评阅编号（由赛区组委会评阅前进行编号）： 赛区评阅记录（可供赛区评阅时使用）： 评 阅 人 评 分 备 注 全国统一编号（由赛区组委会送交全国前编号）： 全国评阅编号（由全国组委会评阅前进行编号）： 对《红楼梦》文本的计算机识别方法的研究与设计 摘 要 本文通过对文本人物关系、文本结构分层、作者行文风格的分析来分析中文文本。 针对问题一，我们运用聚类分析和层次分析建立模型从物理结构与逻辑结构两方面来分析文本，我们提取文本中和文本标题中的人名作为特征项，用matlab编程分别统计每个人名在各个段落中的频数。通过运用主成分分析法对文本进行的分析我们得出自变量与常数项几乎不相关，因此不需要采取主成分回归分析。通过系统聚类分析，我们得到了聚类图，从中得出了主演人物之间的关系。通过层次划分，我们将样本一划分为两层，样本二划分为两层，样本三划分为两层。最后通过matlab编程统计样本中虚词的频数，并且分别对样本中虚词总体和各个虚词进行统计，运用计算风格学理论，我们得出前八十回与后四十回作者的行文风格存在差异。 针对问题二，我们对聚类分析、层次划分、行文风格进行了检验。对于聚类分析的结果，我们与从对文本概述的文学概括分析得到的人物关系进行比较检验，验证了聚类分析结果是可靠性。对于层次分析，我们通过用Excel对数据做出折线图，对图形进行分析，得出与用层次分析算法得出的相同的人物关系结论。 针对问题三，我们计算了各个样本中主要人物的比重，做出了折线图，从图中我们得出了文本结构一致性的结论，体现了三个样本的相同性。通过计算同一个人物在不同样本中的频数（以黛玉为例），我们得出各个样本由于主题思想的不同主要人物也有差异。 最后说明模型的优缺点及需要改进的地方。 关键字:系统聚类 计算风格学 文本层次分析 一、问题重述 文本（text），与 讯息（message）的意义大致相同,是有一定的符号或符码组成的信息HYPERLINK /view/204974.htm \t _blank结构体，这种结构体可采用不同的表现形态，如语言的、文字的、影像的等等。文本是由特定的人制作的，文本的语义不可避免地会反映人的特定立场、观点、价值和利益。因此，由文本内容分析，可以推断文本提供者的表述方式，意图和目的。 文本分析是指对文本的表示及其特征项的选取；文本分析是文本挖掘、信息检索的一