Web文本表示方法作為所有Web文本分析的基礎(chǔ)工作，對(duì)文本分析的結(jié)果有深遠(yuǎn)的影響。提出了一種多維度的Web文本表示方法。傳統(tǒng)的文本表示方法一般都是從文本內(nèi)容中提取特征，而文檔的深層次特征和外部特征也可以用來(lái)表示文本。本文主要研究文本的表層特征、隱含特征和社交特征，其中表層特征和隱含特征可以由文本內(nèi)容中提取和學(xué)習(xí)得到，而文本的社交特征可以通過(guò)分析文檔與用戶(hù)的交互行為得到。所提出的多維度文本表示方法具有易用性，可以應(yīng)用于各種文本分析模型中。在實(shí)驗(yàn)中，改進(jìn)了兩種常用的文本聚類(lèi)算法——K-means和層次聚類(lèi)算法，并命名為多維度Kmeans MDKM和多維度層次聚類(lèi)算法MDHAC。通過(guò)大量的實(shí)驗(yàn)表明了本方法的高效性。此外，我們?cè)诟鞣N特征的結(jié)合實(shí)驗(yàn)結(jié)果中還有一些深層次的發(fā)現(xiàn)。
?