基于詞向量的短文本聚類研究與應用.pdf

1、隨著移動互聯(lián)網(wǎng)的高速發(fā)展，微信、微博、電子郵件、論壇、直播平臺、點評網(wǎng)站等應用已經(jīng)越來越普及，這些平臺產(chǎn)生的信息很多都是以短文本的形式出現(xiàn)。短文本信息具有極高的研究價值，通過對短文本的深入分析，可以挖掘短文本中隱藏的信息和潛在的價值。文本聚類是指通過選擇合適的聚類算法挖掘指定文本數(shù)據(jù)間內(nèi)在聯(lián)系的一種機器學習方法，通過對短文本形式的信息數(shù)據(jù)進行聚類分析，挖掘和提取短文本之間的關系是進行其他短文本挖掘工作的基礎，例如用戶畫像、個性推薦、社群

2、發(fā)現(xiàn)等熱門研究課題都要用到短文本聚類技術。
　　針對傳統(tǒng)的短文本聚類算法存在數(shù)據(jù)維度高、語義缺失等問題，本文在對文本建模的時候提出了基于詞向量的短文本表示模型，通過計算短文本之間特征詞的最小移動距離來度量短文本的相似性，并在此基礎上完成短文本聚類。實驗表明，相對基于向量空間模型和基于文檔主題模型的短文本聚類算法，本文提出的方法在多個短文本數(shù)據(jù)集上的聚類效果得到顯著提高。
　　針對基于關鍵詞匹配的論文檢索導致檢索結(jié)果存在信息缺