基于图的文本表示方法

摘要

本发明涉及文本表示技术领域,尤其是基于图的文本表示方法，其方法步骤为：确定每个文档对应图模型的最多顶点个数n，对文档进行分词、词性标注、预处理，并对其进行词频统计；选取最能代表该文档的特征词条，其个数不超过n，并记录所有特征词在文档中的先后顺序；对文档D，由其所有特征词条作为图模型的顶点，相应的特征词条的出现频率构成顶点的权重。本发明有益效果：词语义空间就是由词与词、词与词之间的约束关系所构成的网络图，用词与词之间的约束关系的强弱来表示语义距离，用图的基本元素来度量图的相似性，取得了很好的聚类效果，如果从文本的外部特征来反映其语义信息，特征词条、特征词条的频度及其特征词条的位置关系。