舆情短文本挖掘的数学模型及其实现 |
| |
引用本文: | 王超,彭湃,李波.舆情短文本挖掘的数学模型及其实现[J].数学建模及其应用,2018(3). |
| |
作者姓名: | 王超 彭湃 李波 |
| |
作者单位: | 华中师范大学数学与统计学学院 |
| |
摘 要: | 传统针对文本数据的分析,往往基于词频、词频逆文本统计量作为文本的表示特征.这类方法往往只反映了文本的部分信息,忽略了文本的内在语义特征.本文研究了中文词语衔接的概率语言模型,其基本思想在于根据文本中词语出现的先后顺序进行建模分析,该模型在短文本数据挖掘中能够很好地针对文本语义进行量化分析.主要解决两类问题:一、如何合理地将中文词转化为数字向量,并且保证中文近义词在数字空间特征上的相似性;二、如何建立恰当的向量空间,将中文文本的语义和结构特征等信息保留在向量空间中.最后结合某城市房屋管理部门留言板的实际留言文本数据,利用BP神经网络和RNN网络两种算法,实现概率语言模型的求解.与传统文本处理方法的对比说明,本文的模型方法针对短文本语义挖掘问题具有一定的优势性.
|
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《数学建模及其应用》浏览原始摘要信息 |
| 点击此处可从《数学建模及其应用》下载免费的PDF全文 |
|