sinat_27251199的专栏

原创 【文献笔记】短文本分析

基于稀疏特征的中文微博短文本聚类方法研究 熊祖涛 简介 目前的主要文本表示模型：VSM，N-gram，类短语串，概念模型，图模型，事件模型； VSM：每个文本由特征项和对应权重表示(T1,W1,T2,W2,...,Tn,Wn)(T_1, W_1, T_2, W_2,...,T_n, W_n); 特征降维：文档频率，信息增益，CHI统计量，互信息，期望交叉熵 特征权重的计算方法：布尔-，