双重共现潜在语义向量空间模型研究  

作　　者：王世昌 陈瑾 

机构地区：[1]中国人民武装警察部队士官学校,浙江杭州310000

出　　处：《中文科技期刊数据库（文摘版）图书情报》2024年第5期0163-0168,共6页

摘　　要：文本的向量表示对文本聚类研究具有重要意义。共现潜在语义向量空间模型(CLSVSM)通过挖掘共现词对的语义关联性,进一步提升了聚类精度。方法 为补充不共现词对的语义关联性,提出在特征词的基础上引入特征项,形成“文献-摘要-关键词”关系链。首先基于两层潜在语义关系构建双重共现潜在语义向量空间模型(D-CLSVSM)。然后通过改进的词频G指数方法提取高频特征词,对模型矩阵进行压缩。局限:研究对象较为单一,仅研究了中文数据。结果/结论 D-CLSVSM增加了对共现词对及不共现词对的双重语义信息的补充,文本表示更充分,聚类结果更好。

关 键 词：文本聚类 文本表示 不共现词对 D-CLSVSM 

分 类 号：TP391.9[自动化与计算机技术—计算机应用技术]