欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
离散文本已经成为一种占据重要地位的舆情信息表现形式，根据离散文本的特点，提出基于特征概念网的离散文本舆情信息的分聚类框架，在此基础上给出分聚类方案。在聚类算法中，运用了遗传算法的全局并行搜索能力、k—means的高效局部聚类能力和小生境的保持种群多样性抑制漂移能力；在分类算法中，先将训练文本库进行类内聚类成子类，对子类构建特征概念网以生成替代该子类的文本，再用KNN算法进行分类。最后结合舆情分析进一步提出了可用的改进方案。
英文摘要：
Discrete text has occupied an important position in public-opinion information. In order to analyze public opinion efficiently, this paper proposes a kind of high-performance classification and clustering algorithm according to characteristics of network discrete text based on characteristic concept network. This clustering algorithm integrates the efficiency of k-means, the parallel global search ability of genetic algorithms and the capability to maintain population diversity of Niche method to cluster texts. And in the classification algorithm, the sub-category is clustered into the training library first and then the text is classified by using KNN algorithm. Finally, some improvements are given.
同期刊论文项目
同项目期刊论文
期刊信息
位置：