位置:成果数据库 > 期刊 > 期刊详情页
基于文本频谱的中文文本聚类方法
  • ISSN号:0490-6756
  • 期刊名称:四川大学学报(自然科学版)
  • 时间:0
  • 页码:-
  • 分类:Q811[生物学—生物工程]
  • 作者机构:[1]四川大学生命科学学院,生物资源与生态环境教育部重点实验室,成都610064, [2]军事医学科学院放射与辐射医学研究所,蛋白质组学国家重点实验室,北京100850
  • 相关基金:基金项目:国家自然科学基金项目(30971557,30971816,30900830,30900862)
  • 相关项目:耐热基因TT1的功能及表达调控分析
作者: 杨毅|
中文摘要:

本文提出了利用文本频谱进行中文文本轮廓分析的表征方式.该方法基于不同时代、体裁和领域的文本在文字使用方面具有偏好性的假说,以文本中单个字符为单位,通过文本频谱刻画方法统计所有单字符在文本中出现的频率,并使用刻画出的文本频谱对文本进行表征;利用频谱比对分析技术,可计算出任意文本间的距离,并以此距离为基础进行聚类分析.进一步的实验证实了该方法的有效性.

英文摘要:

In this paper, a Chinese text representation method by using text profiling approach was pres- ented. This method is based on the hypothesis that, texts in different eras, styles and fields have biases in the use of characters. Text profiling was construct by counting the frequency of each character in the text in character level, and use the constructed text profiling to present the whole text. In addition, the distance between the two given texts was calculated by using text profiling alignment method. Finally, an effective text clustering method was developed on the basis of the distance. The experimental results validated the efficiency of the method.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《四川大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:国家教育部
  • 主办单位:四川大学
  • 主编:刘应明
  • 地址:成都九眼桥望江路29号
  • 邮编:610064
  • 邮箱:
  • 电话:028-85410393 85412393
  • 国际标准刊号:ISSN:0490-6756
  • 国内统一刊号:ISSN:51-1595/N
  • 邮发代号:62-127
  • 获奖情况:
  • 国家“双效”期刊,四川省十佳科技期刊,教育部全国高校优秀学报二等奖(1995,1999),四川省科技优秀期刊一等奖(1996,2000)
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,美国生物科学数据库,英国动物学记录,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:10542