【摘 要】
：
社交网络短文本规模大、传播快、质量低、模态多样等特性导致现有基于向量空间模型的文本聚类技术在对其进行聚类时面临维度高、特征稀疏和噪声干扰等挑战.对此,提出基于频繁
【机 构】
：
武汉大学计算机学院,武汉大学深圳研究院,软件工程国家重点实验室（武汉大学）
【基金项目】
：
国家自然科学基金项目(61472291,61303115,61272110);2013年深圳知识创新计划基础研究项目
论文部分内容阅读
社交网络短文本规模大、传播快、质量低、模态多样等特性导致现有基于向量空间模型的文本聚类技术在对其进行聚类时面临维度高、特征稀疏和噪声干扰等挑战.对此,提出基于频繁项集的短文本聚类与主题抽取STC-TE(short text clustering&topic extraction)框架.首先研究短文本的多特征对文本质量的影响,在基于高质量短文本集挖掘出的大量频繁项集基础上,设计基于相似度的频繁项集过滤策略SIF(similarity-based itemset filtering),可过滤掉85%的非重要频繁项集;然后定义基于相关文本集的频繁项集相似度,并提出聚类个数自适应的频繁项集谱聚类算法CSA_SC(clusters self-adaptive spectral clustering),实现频繁项集聚类与主题抽取;最后基于主题词将大规模短文本划分到相应的主题簇中,从而实现短文本聚类.基于100万条新浪微博文本的实验结果表明,STC-TE框架能够全面
其他文献
通过阐述基层图书馆(室)在公共文化服务体系中的地位和作用,研究目前我国基层图书馆(室)的生存现存,探讨今后基层图书馆(室)建设的发展对策。
房屋建筑工程的质量不仅与人们的日常生活水平息息相关,还决定着工程项目的投资是否成功。但是在现阶段的项目施工过程中还存在着各种由于施工质量控制工作不到位、监管力度
目的探讨胸腔置管注入尿激酶治疗结核性胸膜炎的临床效果。方法将66例结核性胸膜炎患者随机分为疗治疗组和对照组,对比两组疗效。结果治疗组临床症状改善迅速;引流量明显大于
<正>音乐作为一种艺术门类,是以音的自身四种基本要素（高低、强弱、长短、音色）为基础去表现音乐思想,塑造音乐形象的艺术。音乐必须通过歌唱或演奏者包含致情的演唱和演奏,才
商务贸易是人类社会活动形式之一,由物质商品交换及贸易往来产生的。今天,由早期单纯的内容和意义的贸易形式发展成为今天人类社会最重要的社会活动和生活方式,同时,也成为社
小学语文大纲指出:朗读和默读是阅读教学中最经常最重要的训练,各年级都要重视朗读,充分发挥朗读对理解课文内容,发展语言,陶冶情感的作用。我们知道朗读是一种对艺术的再创
人机工程学在汽车产品设计过程中的应用越来越被人们重视,在现代社会汽车研发生产中受到了高度的重视。从人机工程相关技术角度出发,对汽车车身安全设计等进行了论述。
本文通过岩石地球化学研究和讨论 ,认为桐柏—大别造山带燕山晚期存在过碱性( peralkaline)和铝质 (aluminous)A型花岗岩。过碱性花岗岩的岩石类型为碱长花岗岩和石英正长岩
资本成本作为财务管理中的重要概念,对企业的筹资和投资决策起着重要作用。在我国,资本成本问题重视程度不高。在财务管理活动中,资本成本问题始终是一个非常重要的问题。本
随着大众消费文化的快速发展,设计己经成为一门独立的学科,而现代装饰设计在设计行业里也越来越显示出重要性,装饰设计不仅仅是一种简单的形式,它有内涵、有意义,它还是传达