位置:成果数据库 > 期刊 > 期刊详情页
基于词典中词语量化关系的中文文本聚类研究
  • ISSN号:1002-0470
  • 期刊名称:《高技术通讯》
  • 时间:0
  • 分类:TP311.13[自动化与计算机技术—计算机软件与理论;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]上海交通大学计算机科学与工程系,上海200240
  • 相关基金:863计划(2001AA114210-11)和国家自然科学基金(60496326)资助项目.
中文摘要:

鉴于词语知识对提高文本聚类性能的价值,提出了一种用线性插值方式把词典词语之间的量化关系和余弦相似度结合起来的文本相似度计算方法.在实现文本聚类之前,基于词典中一个词条和其释义在语义上等价的假设,构建出词条和释义中词语之间的量化关系,并把这种量化关系值作为文本聚类用到的知识.在k-均值聚类算法的框架下,这种以线性插值方式构造的新的相似度,给文本聚类系统性能带来了明显的提高.实验结果说明从词典中获取的词语量化关系对将来的文本聚类研究可能会有潜在的贡献.

英文摘要:

In consideration of the usefulness of the lexical knowledge in improving text clustering, we presented a new text similarity measure on the basis of combining cosine similarity with the quantified lexical relationship within the dictionary by using linear interpolation. Before the implementation of text clustering, the quantified relationship between a dictionary entry and the words in its definition was constructed under the assumption that the entry and its definition were equivalent in sense. This kind of quantified relationship was regarded as knowledge and was used in text clustering. Under the framework of the k-means algorithm, the new similarity measure constructed by linear interpolation improved the performance of text clustering system significantly. The experimental result shows that the relationship knowledge derived from an ordinary dictionary has potential contribution to the text clustering in the future.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《高技术通讯》
  • 北大核心期刊(2011版)
  • 主管单位:中华人民共和国科学科技部
  • 主办单位:中国科学技术信息研究所
  • 主编:赵志耘
  • 地址:北京市三里河路54号
  • 邮编:100045
  • 邮箱:hitech@istic.ac.cn
  • 电话:010-68514060 68598272
  • 国际标准刊号:ISSN:1002-0470
  • 国内统一刊号:ISSN:11-2770/N
  • 邮发代号:82-516
  • 获奖情况:
  • 《中国科学引文数据》刊源,《中国科技论文统计与分析》刊源
  • 国内外数据库收录:
  • 美国化学文摘(网络版),荷兰文摘与引文数据库,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),英国英国皇家化学学会文摘
  • 被引量:12178