[发明专利]一种基于演化聚类的评论文本分类提取方法

摘要

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。

主权项

1.一种基于演化聚类的评论文本分类提取方法，其特征在于，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。