文本是一种非结构化数据,现有技术无法直接对文本进行自动化分析处理.文本表示是指将文本转为计算机可以直接识别的数据.本文就文本表示及其应用进行以下研究:1.Word2vec是一种有效的词表示模型,可以将词语表示成一个低维紧凑的词向量.但是Word2vec每次训练得到的词向量都不一致进而导致挖掘到的相似词不稳定.这个问题在特定语料库中尤为明显.为此,本文提出了一种新的相似度排序算法.该算法通过计算单词之间的相似度来构造概率转移矩阵,然后迭代估计目标单词稳定的相似度排序.最后从相似度排序中提取目标词的相似词.实验结果表明,该算法挖掘出的相似词更具稳定性,同时在准确率上也有所提升.2.文本表示和聚类算法是文本聚类的基础.传统的向量空间模型不能捕捉文本的语义关系,词嵌入的表示具有语义信息,但不能克服一词多义问题.稀疏复合文档向量表示将单词分配到不同的语义空间中,以表示单词的不同语义.由于某些单词的语义空间概率小,文本表示存在数据稀疏冗余等问题导致聚类效果不理想.针对以上问题提出了多语义复合文档表示模型来解决文本表示的冗余问题,并进一步确定冗余语义空间与聚类离群文档向量.针对文本向量的结构特征,提出了一种识别去除离群文档向量的K-means聚类算法.通过文本聚类实验验证,结果表明提出的方法与其他文本表示模型和标准K-means算法相比有更优的聚类性能.3.网络评论分布不均衡现象十分明显,现有的网络评论挖掘应用方法多依赖专家决策和主观经验.针对以上问题,在利用不平衡网络评论构建服务质量评价指标体系的过程中,提出基于主体频率的G指数模型以客观数据提取高频特征词,并通过特征词词向量聚类构建服务质量三级评价指标体系.在服务质量评分模型中,本文提出一种基于热度指数加权的顾客满意度评分方法,通过在评分中考虑主体受顾客关注的热度,有效弱化数据不均衡产生的评价偏差.本文以猫途鹰网站中国五星级酒店网络评论为数据来源验证方法的可行性,实验结果表明顾客最为关注酒店的餐饮服务、住宿条件、住宿服务和周边环境等四个方面,并得到顾客对酒店在整体及四个关注方面的满意度排名,发现品牌酒店的服务质量更具竞争力.