作者：焦潞林 彭岩 林云主题模型文本知识发现文本聚类网络舆情
摘要：针对网络舆情分析领域，研究了系统聚类、String Kernels、K最近邻算法（K-nearest neighbor，KNN）、SVM （support vector machine）算法以及主题模型5种聚类算法。以网络舆情数据为对象集，以R语言环境为实验工具，比较了这5种算法的优势与劣势，同时进行了仿真实验。实验结果表明，主题模型相对于其他算法在文本聚类方面具有更好的适用性，其中，主题模型中的CTM（correlated topic model）方法更适合于类别关系的探索与发现，而Gibbs抽样方法则在文本聚类上的表现优于CTM方法。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《山东大学学报·理学版》（CN：37-1389/N）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《山东大学学报·理学版》为理工科综合性学术期刊。旨在反映该校自然科学领域中的最新研究成果，促进学术交流，活跃学术思想。
杂志详情
