基于多层次聚类的文本知识挖掘
2021-01-20席永轲钱茛南顾丽红
计算机工程与设计 2021年1期
刘 昕,席永轲,何 杰,钱茛南,顾丽红
(1.中国石油大学(华东) 计算机与科学技术学院,山东 青岛 266580;2.中电科大数据研究院有限公司,贵州 贵阳 550022;3.中国电子科技集团公司信息科学研究院 提升政府治理能力大数据应用技术国家工程实验室,贵州 贵阳 550022;4.中国电子科技集团公司信息科学研究院,北京 100081)
0 引 言
随着各行各业数字化进程的发展,各类文本信息不断积聚,如何在大量的文本中提取用户感兴趣的、潜在有用的信息并且能够针对不同层次、不同类别的信息进行分类处理对于用户决策有重要的参考价值[1]。
文本挖掘[2](text mining,TM),又称为文本知识发现(knowledge discovery in texts,KDT),是指从大数据文本中挖掘出隐含位置的潜在有用模式的过程,文本知识挖掘是涉及多个学科的研究领域,其中包括数据挖掘、机器学习、数据统计、自然语言理解、信息检索、信息提取、可视化和数据库技术等。随着文本知识挖掘技术的不断进步,相关算法已经不仅仅局限于分类、文本特征提取等简单模式的文本知识挖掘,也可以探索更丰富的文本知识挖掘,如主题发现、情感分析、语义规则发现、趋势分析等。
但目前大多数机器学习与数据分析方法,都无法从多层次对同一语料数据进行不同粒度的快速高效知识挖掘,随着网络的不断发展,互联网上的信息越来越丰富,更多的文本数据已经不单单仅限于一个层次,对单个层次的文本数据进行知识挖掘已不能满足人们对知识的需要。因此,为了更加精确发现不同层次语料数据所表征的不同层次的文本知识,我们提出了一种基于多层次聚类的文本知识挖掘方法。……
登录APP查看全文
