基于语义的中文文本聚类研究

文本聚类是当前智能信息处理学科的前沿领域和最热门课题之一，融合了模式识别、机器学习、统计学等知识。由于电子邮件、WWW应用的普及，文本聚类在信息检索、邮件过滤和网页分类等领域有广阔的应用前景。现今中文文本聚类多是照搬英文聚类方法，没有结合中文特点。本项目提出基于语义的中文文本聚类方法，将中文语义特征引入文本聚类研究中。研究内容包括服务于聚类的中文语义词典建设研究、基于语义的文本表示模型研究、基于语义的文本相似度计算模型研究、基于语义的自适应高效文本聚类算法研究等。本项目的目标是通过对中文文本特点、特别是语义特点的研究，建立基于语义的文本聚类模型，解决中文文本聚类中存在的关键问题，能够准确高效的进行中文文本聚类处理。本项目不仅有利于推进中文文本聚类的发展，也将促进基于语义的自然语言处理研究在国内的有效开展。