基于改进特征提取及聚类的网络评论挖掘研究

[目的/意义]针对信息过载条件下中文网络产品评论中特征提取性能低以及特征聚类中初始中心点的选取问题。[方法/过程]本研究提出采用基于权重的改进Apriori算法产生候选产品特征集合,再根据独立支持度、频繁项名词非特征规则及基于网络搜索引擎的PMI算法对候选产品特征集合进行过滤。并以基于HowNet的语义相似度和特征观点共现作为衡量产品特征之间关联程度的特征,提出一种改进K-means聚类算法对产品特征进行聚类。[结果/结论]实验结果表明,在特征提取阶段,查准率为69%,查全率为92.64%,综合值达到79.07%。在特征聚类阶段,本文提出的改进K-means算法相对传统算法具有更优的挖掘性能。     

基于数据挖掘的Web文本语义分析与标注研究

在领域本体已知和文本语义标注主要步骤的基础上,本文用数据挖掘技术实现文本语义信息的获取,提出了文本语义分析与标注的基本思想和处理流程,深入探讨了用聚类分析完成实例分析与标注过程,用关联挖掘和分类方法完成实例间关系的分析与标注过程。     

基于潜在语义分析的影响自然语言检索查准率指标因素的评述

潜在语义分析是自然语言使用于情报检索系统的理论基础,以此理论建构的空间向量模型是评判检索系统性能优良与否的知识工具。阐述了潜在语义标引(LSI)的基本内容、LSI下影响自然语言检索查准率的因素及向量空间模型检索软件的运行机制。此评述对网络化的情报检索技术的发展起到了一定的参考作用。     

协方差特征爬虫网页语义概念树构建方法

提出一种基于协方差特征爬虫的网页语义概念树构建方法,引入语义概念决策树算法进行主特征建模,根据语义三叉特征决策树概率正则训练迁移法则,得到决策树网络节点最近时刻获得的数据集有效特征概率,采用协方差特征网页爬虫进行网页语义概念树构建算法的改进。通过协方差特征爬虫,进行自相关成分的独立快速分离,得到语义自相关检索编码,实现网页语义概念树构建指导信息检索。仿真结果表明,该算法能有效进行数据挖掘和网页语义概念树的构建,为信息定位提供了最优分叉路径,从而实现对主题热点信息的准确检索和定位,算法具有较好的网页召回和定位检索性能,数据召回率提高明显,展示了较好的应用价值。     

Analyzing the discriminative attributes of products using text mining focused on cosmetic reviews

Consumers evaluate products through online reviews, in addition to sharing their product experiences. Online reviews affect product marketing, and companies use online reviews to investigate consumer attitudes and perceptions of their products. However, when analyzing a review, it is often the case that specific contexts are not taken into consideration and meaningful information is not obtained from the analysis results. This study suggests a methodology for analyzing reviews in the context of comparing two competing products. In addition, by analyzing the discriminative attributes of competing products, we were able to derive more specific information than an overall product analysis. Analyzing the discriminative attributes in the context of comparing competing products provides clarity on analyzing the strengths and weaknesses of competitive products and provides realistic information that can help the company's management activities. Considering this purpose, this study collected a review of the BB Cream product line in the cosmetics field. The analysis was sequentially carried out in three stages. First, we extracted words that represent discriminative attributes by analyzing the percentage difference of words. Second, different attribute words were classified according to the meaning used in the review by using latent semantic analysis. Finally, the polarity of discriminative attribute words was analyzed using Labeled-LDA. This analysis method can be used as a market research method as it can extract more information than a traditional survey or interview method, and can save cost and time through the automation of the program.     

论语义构造的内在机制

对语义形成的机制存在着两种不同的观点：即构成论和语境论。文章认为：语义是构造的产物,语义构造的过程,包括了在特定语境中的意向含义和含义充实两个方面。意向含义是说者所要表达的内容,含义充实是使这种表达具有真实内容。从意向含义到含义的充实,是在新的语境下将已有的语词通过语境推理进行重新组合,以构造出新的语词和语义。     

语义在流行词汇发展演变过程中的作用

流行词汇的发展演变虽然新奇时尚、千变万化,可是万变不离其宗.因为语义在流行词汇的发展演变过程中制约着流行词汇语义衍伸的方向,同时在词汇原语义的基础上又有创新。我们发现渐渐固定下来的新义项,也是曾经的流行语已被收入词典,这说明语义对语言自身发展有一定的净化作用。只有了解了语义对流行语的制约性和派生性,我们对流行词汇的态度才会有所变化,才会更深入的了解到,语言对社会的发展很敏感,语言也在与时俱进。     

基于中医药集成知识库的智能搜索(英文)

为了对异质异构数据资源进行语义集成并提供统一的智能访问接口, 利用语义Web技术发布机器可理解的数据资源及其之间的关系, 以支持智能搜索等功能. 介绍了中医药智能搜索引擎TCMSearch, 该搜索引擎的核心为一个集成语义知识库, 该知识库利用领域本体来表示中医药领域的实例及其之间的关系. 首先, 针对普通文本, 系统采用了机器学习的方法对其进行语义标注; 对于关系型数据库数据, 则采用了语义映射的方法统一其语义信息. 然后, 系统为集成的数据资源构建了一个语义索引, 该索引采用本体语言RDF/OWL进行表示, 从而支持一些强大的推理功能, 如类层次关系推理和实例关系推理. 最后,通过利用该语义索引以及其支持的推理功能, 系统能够在集成知识库的基础上提供智能化搜索, 如关联搜索、语义图浏览以及实例推荐等新功能.     

英汉基本颜色词认知初探

自1969年美国的人类学家伯林和语言学凯家合《基本颜色词》以来，这本书成为半个多世纪研究颜色词的经典作品，以此理论为基础，结合语言认知理论，从英汉基本颜色词的取象，发生顺序和语义特征三方面探讨英汉民族对基本颜色范畴认知的共性和个性，从而论证人类语言是普遍性和相对性的紧密结合。     

面向信息处理的语义元语研究

信息处理正步入语言处理的高级阶段，需要语义知识的支持，而语义研究尚不成熟。语义元语研究是信息处理语义研究的基础工作。本重点评介中信息处理界关于语义元语研究的几种做法，并提出我们的思路和设想。