面向新闻评论的短文本增量聚类算法

摘要：

对新闻评论进行增量聚类可以有效地发现网民对新闻事件的观点,在舆情分析领域具有十分重要的意义.针对传统的增量聚类算法存在对文本输入顺序敏感的缺点,提出了一种基于待定循环策略的增量聚类算法(uncertain cyclic Single-Pass,UCSP).在聚类过程中,针对传统的短文本向量空间模型语义信息匮乏、特征项稀疏的问题,结合神经网络训练的词向量模型,构建了一种基于多特征组合的短文本表示模型.在爬取的5个腾讯新闻评论数据集进行实验,并与传统的文本表示模型和聚类算法进行对比分析,结果表明,所提算法可以有效地提高聚类质量.

关键词：舆情分析、短文本、增量聚类算法、向量空间模型、神经网络

所属期刊栏目：12

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.U1435212,61432011,61573229;the Nat-ural Science Foundation of Shanxi Province under Grant No.2015011048;the Program of Scholarship Coun-cil of Shanxi Province under Grant No.2016-003

在线出版日期：2018-06-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：950-960