融合语义关联和文本降维的社交媒体主题提取

随着互联网的普及,社交媒体平台上积累了大量的文本数据,并逐渐形成社交媒体文本大数据。这些文本数据的语法和语义结构复杂,需要运用数据挖掘、自然语言处理等相关技术提取关键词。基于此,笔者提出融合语义关联知识和文本降维模型的社交媒体主题提取模型。实验表明,该模型对复杂网络文本数据的主题提取具有较好的性能。

一种基于KNN算法的文本降维方法研究

针对文本向基空间中特征项间的关联性及冗余性，提出了一种KNN算法运用于文本向量空间降维的方法，应用向量聚合理论和特征选择以降低特征空间维数，使得降维后的特征项更具有类别代表性．实验证明，KNN算法运用于文小降维方法中，有效地降低了向量空间的维数，提高了文本分类的精度．