基于情节记忆的高效短文本流聚类算法

现有基于相似度的短文本流聚类算法多数需要手动设置相似度阈值,且难以处理文本稀疏性问题。针对短文本流的特点和传统流聚类算法的局限性,提出基于情节记忆的短文本流聚类算法。将情节记忆思想融入流聚类算法,通过稀疏经验重放增强聚类的特征表示,并使用反向索引提高聚类效率。在线阶段通过新的相似度计算公式以及动态计算相似度阈值,将当前文本分配到现有集群或新集群,并且不断更新聚类特征。离线阶段通过聚类增强、语义再分配以及删除过时聚类,提高整体算法性能。基于公开和合成数据集的实验结果表明,相较于基准流聚类算法,所提算法在各项评价指标上均取得了较好的实验结果,并且对于文本数量较大的数据集,运行时间能减少1~3个数量级。

基于搜索引擎的知识发现

数据挖掘一般用于高度结构化的大型数据库,以发现其中所蕴含的知识。随着在线文本的增多,其中所蕴含的知识也越来越丰富,但是,它们却难以被分析利用。因而,研究一套行之有效的方案发现文本中所蕴含的知识是非常重要的,也是当前重要的研究课题。该文利用搜索引擎Google获取相关Web页面,进行过滤和清洗后得到相关文本,然后,进行文本聚类,利用Episode进行事件识别和信息抽取,数据集成及数据挖掘,从而实现知识发现。最后给出了原型系统,对知识发现进行实践检验,收到了很好的效果。

论《格萨尔》史诗情节基干的形成与发展

文章讨论了《格萨尔》史诗的一种比较稳定的早期传承形态——"七章本"。《格萨尔》史诗作为英雄史诗,从情节结构上完全符合世界其他民族的英雄史诗和英雄故事的基本情节结构。"七章本"是传承藏族及其周边众多民族中的《格萨尔》史诗,它的这一稳定的结构和共同的情节单元表现出了《格萨尔》史诗传承和传播的基本形态。正是在这一情节基干上,各族的《格萨尔》史诗继续抽枝开花,茁壮成长,形成了各自独特的风格。