基于主题集中度的新闻文本聚类研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：传统的新闻文本聚类方法大多是基于统计和机器学习的方法。针对传统方法存在算法计算量大、训练速度慢等问题，该研究从计量语言学角度，运用主题集中度方法对新闻文本聚类的有效性进行了深入研究。研究发现:(1)通过计算多类目新闻文本的主题集中度、次级主题集中度和比例主题集中度等计量指标，可以提取出文本的主题量化特征;(2)对于不同的主题文本，文本间在主题集中度上存在显著性差异;(3)以主题集中度为文本特征，能较好地提高新闻文本聚类效果。该研究进一步证明，利用结合新闻文本属性和特征的计量研究方法，可以避免使用复杂的分类算法，优化特征提取，加深对分类特征的理解，聚类结果更易于从语言学角度进行解释。

作者：

高松、董志成、冯志伟

展开 >

作者单位：

大连外国语大学

黑龙江大学

关键词：

主题集中度特征提取文本聚类计量语言学

出版年：

2024

DOI：

10.20139/j.issn.1001-5795.20240505