qq_40438165的博客

一、改进方案 \quad因为之前存在聚类簇中信息不够干净，有噪声的情况，为解决这个问题，尝试采取将推文中实体词，“LOC”,“PER”,"ORG"和其他单词分别提取出来单独与已有的簇进行相似度的比较。具体方案为检测每条推文各类实体词有无的情况来赋予权值，如下： def tweet_cluster_similarity_with_four_vector(self, tweet_data, cl...

\quad采用最大化相似度方差的方法来设置参数权重 实体权重 其他权重 相似度方差 原始方法 0.00513 0.1 0.9 0.00477 0.2 0.8 0.00412 0.3 0.7 0.00344 0.4 0.6 0.00289 0.5 0.5 0.00237 0.6 0.4 0.00195 0.7 0.3 0.00170 0.8 0.2 ..