共被期刊论文引用了3次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 结合词向量和聚类算法的新闻评论话题演进分析显示文摘话题演进分析主要是挖掘话题内容随着时间流的演进情况。话题的内容可用关键词来表示。利用word2vec对75万篇新闻和微博文本进行训练,得到词向量模型。将文本流处理后输入模型,获得时间序列下所有词汇的词向量,利用K-means对词向量进行聚类,从而实现话题关键词的抽取。实验对比了基于PLSA和LDA主题模型下的话题抽取效果,发现本文的话题分析效果优于主题模型的方法。同时,采集足够大量、内容足够丰富的语料,可训练得到泛化能力比较强的模型,有利于实时话题演进分析研究工作。 | 林江豪 周咏梅 阳爱民 王伟 | 2016 | 计算机工程与科学2016，38，11： | 13 |
| 2 | 网络舆情事件的话题演化分析——以成都女司机为例显示文摘[目的/意义]基于网络舆情演化具有的衍生性和动态性的特点,为更好地跟踪具体舆情事件的子话题衍生现象,分析网络舆情事件的话题演化过程。[方法/过程]建立话题演化的全生命周期模型和基于层次的话题表示模型,在分析特征词分布特点的基础上,建立特征词与话题关联度的判别函数,同时改进了single-pass聚类算法,建立子话题识别的两个阶段,并以成都女司机为例,通过子话题识别分析其话题演化过程。[结果/结论]实验结果表明,该方法能保持较高准确率,与实际情况较吻合,而从全生命周期模型来分析话题演化更能体现一般舆情事件的发展历程。 | 陈福集 马梅兰 | 2016 | 情报杂志2016，35，5： | 6 |
| 3 | 基于属性主题分割的评论短文本词向量构建优化算法显示文摘从词向量的训练模式入手,研究了基于语料语句分割(BWP)算法,分隔符分割(BSP)算法以及属性主题分割(BTP)算法三种分割情况下的词向量训练结果的优劣。研究发现,由于评论短文本的自身特征,传统的无分割(NP)训练方法,在词向量训练结果的准确率和相似度等方面与BWP算法、BSP算法以及BTP算法具有明显的差异。通过对0.7亿条评论短文本进行词向量构建实验对比后发现,该文所提出的BTP算法在同义词(属性词)测试任务上获得的结果是最佳的,因此BTP算法对于优化评论短文本词向量的训练,评论短文本属性词的抽取以及情感倾向分析等在内的,以词向量为基础的应用研究工作具有较为重要的实践意义。同时,该文在超大规模评论语料集上构建的词向量(开源)对于其他商品评论文本分析的应用任务具有较好可用性。 | 李志宇 梁循 周小平 | 2016 | 中文信息学报2016，30，5： | 6 |
您所在的机构暂未开通此部分的功能，请联系管理员