[发明专利]一种基于演化聚类的评论文本分类提取方法

说明书

本发明提供一种基于演化聚类的评论文本分类提取方法，该方法包括步骤S1：采集评论样本，对评论内容进行分词以及去除停用词；步骤S2：对文本特征进行处理，除去关联性低或不相关的特征项；步骤S3：将文本特征项根据文本情感向量空间模型，赋予不同权重；步骤S4：利用k‑medoids演化聚类算法对文本特征进行聚类；步骤S5：对各个时间段的聚类结果进行统计，从而得出结论。与现有技术相比：本发明提供了一种基于演化聚类的评论文本分类提取方法，解决了文本特征中可能面临的数据“稀疏性”的问题，同时也降低了计算的复杂度；本发明的方法对异常数据敏感度高、稳定性强，并具有较高的聚类精度。

技术领域

本发明涉及文本分类提取技术领域，具体涉及一种基于演化聚类的评论文本分类提取方法。

背景技术

随着互联网技术的迅速发展，舆论媒介或者平台作为热点事件产生与传播的场所，每天都有这大量的网民参与讨论，并产生大量的评论数据，如何从这些数据中迅速得出网民的情绪分布与观点演变，将及其有利于对其作出针对性营销策略。

传统的聚类方法是一种无监督学习方法，主要用于对静态数据集进行处理。但是，在现实情境中，由于评论数据的特点与复杂性，传统的聚类方法面临数据“稀疏性”的问题，且对异常数据敏感度和稳定性不强，计算复杂，聚类精度较低。

鉴于上述缺陷，本发明创作者经过长时间的研究和实践终于获得了本发明。

发明内容

为解决上述技术缺陷，本发明采用的技术方案在于，提供一种基于移动互联网的改进的DES数据加密算法，该方法包括以下步骤：

步骤S1：采集评论样本，对评论内容进行分词，并去除停用词，即数据的预处理；

步骤S2：对文本特征进行处理，除去关联性低或不相关的特征项，采用χ²统计法对评论文本进行处理，χ²统计法的公式为：

其中，A表示包含特征α并且属于类别β的文档数量，B表示包含特征α但是不属于文档类别β的文档数量，C表示不包含特征α但是属于文档类别β的文档数量，D表示既不属于α也不包含特征β的文档数量，N表示语料中文档的总数目；

步骤S3：将步骤S2得出的文本特征项根据文本情感向量空间模型，赋予不同权重，以解决数据的稀疏性问题；

步骤S4：利用k-medoids演化聚类算法，对步骤S3中已经赋予情感倾向权重的文本特征进行聚类，获取各个时间段的聚类中心；

步骤S5：对各个时间段的聚类结果进行统计，得出评论文本的情感倾向与趋势。

较佳的，所述步骤S3具体包括：

步骤S31：选出特征词之后，根据权重计算公式赋予不同的特征词以不同的权重；

步骤S32：利用PMI-IR情感计算方法计算评论文本的情感倾向，结合计算出来的特征词及其权重，构建向量空间，并对统计出的情感倾向对评论文本进行正向、中性和负向的类别分类。

较佳的，所述步骤S4具体包括：

步骤S41：输入样本集由人工输入K值，每个固定t的时间段都具有相同的簇数目K，X_t-1中的簇中心为

步骤S42：从X_t个评论文本数据中，随机抽取K个样本作为初始簇中心；

步骤S43：根据选取公式，重新选取t的簇中心，选取公式为：