公开(公告)号：CN104239436B

公开(公告)日：2018-01-02

申请号：CN201410432539.4

申请日：2014-08-27

Applicant: 南京邮电大学

Inventor： 成卫青 ,  范恒亮 ,  卢艳红

IPC: G06F17/30

Abstract: 本发明公开了一种基于文本分类和聚类分析的网络热点事件发现方法，该方法解决了已有的基于聚类分析的热点事件发现方法存在的效率和准确率有待进一步提高的问题。该方法首先利用训练语料库通过特征词提取和特征选择为各类别文本分别选取特征词，再采用向量空间模型法将每个训练文本和测试文本表示为在所有特征空间中的向量，并采用TF‑IDF方法确定向量中每一维的权重，然后对各个测试文本进行分类，再对分好类的各个类别的测试文本分别进行聚类分析，得到各个类别的热点簇，再分析得到代表热点事件的特征词，进而分析热点各个特征词的词性等，再利用相关语言知识，通过必要的语言组织生成热点事件的描述。本发明能有效提高热点事件发现的效率和准确率。

公开(公告)号：CN104239436A

公开(公告)日：2014-12-24

申请号：CN201410432539.4

申请日：2014-08-27

Applicant: 南京邮电大学

Inventor： 成卫青 ,  范恒亮 ,  卢艳红

IPC: G06F17/30

CPC classification number: G06F17/30705

Abstract: 本发明公开了一种基于文本分类和聚类分析的网络热点事件发现方法，该方法解决了已有的基于聚类分析的热点事件发现方法存在的效率和准确率有待进一步提高的问题。该方法首先利用训练语料库通过特征词提取和特征选择为各类别文本分别选取特征词，再采用向量空间模型法将每个训练文本和测试文本表示为在所有特征空间中的向量，并采用TF-IDF方法确定向量中每一维的权重，然后对各个测试文本进行分类，再对分好类的各个类别的测试文本分别进行聚类分析，得到各个类别的热点簇，再分析得到代表热点事件的特征词，进而分析热点各个特征词的词性等，再利用相关语言知识，通过必要的语言组织生成热点事件的描述。本发明能有效提高热点事件发现的效率和准确率。

公开(公告)号：CN104376057A

公开(公告)日：2015-02-25

申请号：CN201410621601.4

申请日：2014-11-06

Applicant: 南京邮电大学

Inventor： 成卫青 ,  卢艳红 ,  仲伟伟

IPC: G06F17/30

CPC classification number: G06F17/30598 ,  G06K9/6222

Abstract: 本发明公开了一种基于最大最小距离和K-means的自适应聚类方法，该方法解决了传统K-means聚类算法存在的对初始中心敏感，以及簇个数需事先确定的问题。本发明是一种策略性方法。本发明对初始中心以及新增簇的初始中心的选择都不是随机的，而是经过计算得到的，以数据(子)集中分别与相距最大的两个点相距最小的两个点作为初始中心，能够有效地避免选取到孤立点作为初始中心，同时能有效地减少聚类过程的迭代次数，并得到较好的聚类结果；本发明针对各簇SSE(误差平方和)情况和总的SSE变化趋势决定是否增加簇以及是否结束聚类，从而能自适应确定簇数，特别适合那些簇数难以确定的应用场景。