基于稀疏特征的中文微博短文本聚类方法研究

摘要

微博文本聚类是依据微博主题不同将描述同一类主题的微博文本汇聚到一起的过程。由于微博文本非常短，在使用常规的机器学习方法对微博短文本进行聚类时，常会出现严重的数据稀疏问题，继而对聚类性能产生影响。分析了中文微博文本的数据稀疏特征，并基于这一特征分析比较了几种中文微博文本表示及聚类方法，为中文微博文本聚类分析的难点问题提供了一定的解决途径。