【摘 要】
：
[目的/意义]通过实验分析不同特征提取算法对新闻文本聚类效果的影响。[方法/过程]选取搜狗实验室的搜狐新闻语料库以及澳大利亚广播公司2003—2017年间的新闻标题语料库,对T
【机 构】
：
南京大学信息管理学院; 山东师范大学图书馆; 山东师范大学文学院;
【基金项目】
：
国家社会科学基金重大招标项目“中国近现代文学期刊全文数据库建设与研究(1872—1949)”的成果之一,项目编号:17ZDA276
论文部分内容阅读
[目的/意义]通过实验分析不同特征提取算法对新闻文本聚类效果的影响。[方法/过程]选取搜狗实验室的搜狐新闻语料库以及澳大利亚广播公司2003—2017年间的新闻标题语料库,对TF-IDF、Word2vec以及Doc2vec三种单一特征,TF-IDF+Word2vec、TF-IDF+Doc2vec、Word2vec+Doc2vec以及TF-IDF+Word2vec+Doc2vec四种组合特征在K-means、凝聚以及DBSCAN算法上分别进行聚类分析,通过Purity以及NMI两个评测指标对聚类效果进行评价。[结果/结论]单类特征中三个特征的聚类质量呈Word2vec> TF-IDF> Doc2vec关系;组合特征中TF-IDF+Word2vec的效果最优。Word2vec在单一特征中的表现最优,其也是不同组合特征间差异的主要因素,特征组合是否可以提升聚类性能需基于多因素进行综合判定。
其他文献
从2017年6月16日起，公安部签发新版“中国绿卡”，新绿卡同中国公民的身份证一样，可以单独出示和使用。这是近年来中国在人才领域的一次巨大突破，将会吸引更多的海外人才来到中国
随着城市群的发展以及城市间物资、文化交流的日益密切,在我国涌现了大量的由城市群所构成的具有时代经济特色的区域;这些区域内人员来往密切、流动性强,所以十分需要“大运量、高密度、公交化”的运输方式来实现旅客的周转;作为城市间旅客运输的重要桥梁和纽带,城际铁路近几年迎来了蓬勃发展的好时期。然而,由于我国国土面积辽阔,自然灾害频频发生;且由于城际列车具有运行速度高、发车密度大等特点,导致其更加容易受到突发
体育课的教学必须从传统的、单一的、被动的学习方式转变为自主、合作与探究的学习方式。因此,教师要转变传统的教育观念,创设良好的教学氛围,加强体育设施的建设,培养学生"
消费者行为的一些重大变化已经初见端倪，而在未来的几年，这种变化趋势将会以更加明晰的面貌呈现。企业必须重新认识自己眼中曾经熟识的“消费者背影”，相应地调整自己的营销行为
明确农业职业分类,将为农业人力资源的分配与规划夯实基础。一方面可以对积余的、新生的或短缺的农业劳动力进行有计划的培训或安置就业;另一方面,还可以根据农业职业现状与
乌贼是我国重要的渔业资源,其种类繁多,分布广泛,渔获量大。乌贼营养丰富,具有良好的食用和药用保健价值。近年来关于乌贼生物活性物质的研究主要集中在乌贼墨,而对其他乌贼
我院2009-06～2013-01利用肝切除联合射频消融技术（radiofrequency ablation,RFA）治疗肝泡状棘球蚴病（肝泡球蚴病）12例,效果满意,现报告如下。1资料与方法1.1一般资料：12例肝泡球蚴
<正> “尹家坪”这个在地图上都不易找到的小小高地,将从现在起逐渐被人们认识和引起大家的注意,因为一九七九年在这个地方发现了古文化遗址,一九八○年四月,省历史博物馆又
<正> 电工技术88年第十期44页所截"切莫随意改换相线"一文谈到他们单元二楼住户随意改换相线,在零线熔断器熔丝熔断的情况下造成相一一相供电,导致了家用电器烧损的设备事故