网络新词识别算法研究

J4 ›› 2013, Vol. 35 ›› Issue (9): 141-145.

网络新词识别算法研究

刘哲1,黄永峰1,罗芳2,陈跻2,王丙坤1

(1.清华大学电子工程系,北京 100084;2.华中科技大学计算机学院,湖北武汉 430074)

收稿日期:2013-04-09 修回日期:2013-07-07 出版日期:2013-09-25 发布日期:2013-09-25
基金资助:
国家863计划资助项目(2012AA011004);清华大学自主科研项目基金(20111081023)

Research on algorithm for networks new words identification

LIU Zhe1,HUANG Yongfeng1,LUO Fang2,CHEN Ji2,WANG Bingkun1

(1.Department of Electronic Engineering,Tsinghua University,Beijing 100084;
2.School of Computer Science and Technology,Huazhong University of Science and Technology,Wuhan 430074,China)

Received:2013-04-09 Revised:2013-07-07 Online:2013-09-25 Published:2013-09-25

摘要/Abstract

摘要：

针对社交网络新词识别过程中“旧词新义”所引起的语义模糊问题,提出了网络新词识别算法。通过检测词语频度变化、共现词语分布一致性、情感倾向性迁移三项指标综合分析判断网络新词产生变化的规律特点,从而设计一种网络新词识别算法。最后以实验验证了该算法对提高现有系统网络新词识别准确率的可行性和有效性。

关键词: 社交网络, 新词识别, 准确率

Abstract:

Aiming at the problem of ambiguity caused by Neologism in new words identification in social networks, an algorithm for networks new words identification is proposed. The algorithm analyzes the changing patterns and features of networks new words by three indicators: frequency gain, cooccurrence distribution consistency and emotional tendencies transference. Finally, real experiments validate the feasibility and effectiveness of the algorithm improving existing systems of new words identification.

Key words: social networks;new words identification;precision

刘哲1,黄永峰1,罗芳2,陈跻2,王丙坤1. 网络新词识别算法研究[J]. J4, 2013, 35(9): 141-145.

LIU Zhe1,HUANG Yongfeng1,LUO Fang2,CHEN Ji2,WANG Bingkun1. Research on algorithm for networks new words identification [J]. J4, 2013, 35(9): 141-145.

[1]	刘维, 杨洁, 罗佳莉, 王赛威, 陈崚. 基于深度学习节点表示的谣言源定位方法[J]. 计算机工程与科学, 2024, 46(03): 545-559.
[2]	文武, 万玉辉, 文志云, . 基于正余弦算法的文本特征选择[J]. 计算机工程与科学, 2022, 44(08): 1467-1473.
[3]	霍爱清, 李易. 地面箭头标识线检测的改进M2Det算法[J]. 计算机工程与科学, 2022, 44(06): 1090-1096.
[4]	刘云, 肖添, 王梓宇. 动态特征选择算法对恶意行为检测的优化研究[J]. 计算机工程与科学, 2022, 44(04): 665-673.
[5]	袁泉, 晏飞扬, 文志云, 张振康, . 基于谱聚类的社交网络差分隐私保护算法研究[J]. 计算机工程与科学, 2022, 44(02): 251-256.
[6]	张开放, 苏华友, 窦勇. 一种基于混淆矩阵的多分类任务准确率评估新方法[J]. 计算机工程与科学, 2021, 43(11): 1910-1919.
[7]	谢小杰, 梁英, 王梓森, 董祥祥, . 社交网络用户隐私泄露量化评估方法[J]. 计算机工程与科学, 2021, 43(08): 1376-1386.
[8]	马汉达, 景迪. 基于SSD和时序模型的微博好友推荐算法[J]. 计算机工程与科学, 2021, 43(07): 1291-1298.
[9]	张琦, 张祖凡, 甘臣权. 融合社会关系的社交网络情感分析综述[J]. 计算机工程与科学, 2021, 43(01): 180-190.
[10]	霍爱清, 张文乐, 李浩平. 基于深度残差网络和GRU的SqueezeNet模型的交通路标识别[J]. 计算机工程与科学, 2020, 42(11): 2030-2036.
[11]	杨丰瑞, 李前洋, 罗思烦, . 一种基于降噪自编码器的隐式反馈推荐算法[J]. 计算机工程与科学, 2020, 42(08): 1500-1505.
[12]	杨丰瑞, 李前洋, 罗思烦, . 基于降噪自编码器的社会化推荐算法[J]. 计算机工程与科学, 2020, 42(05): 944-950.
[13]	刘辉, ., 曾斌, 刘子恺. 融合邻居选择策略和信任关系的兴趣点推荐[J]. 计算机工程与科学, 2020, 42(02): 365-372.
[14]	周忠眉1,2,李家辉1,2. 基于各类支持度阈值独立挖掘的关联改进算法[J]. 计算机工程与科学, 2019, 41(11): 2088-2094.
[15]	鲜学丰1,陈晓杰2,赵朋朋2,杨元峰1,Victor S.Sheng3. 基于上下文感知和个性化度量嵌入的下一个兴趣点推荐[J]. 计算机工程与科学, 2018, 40(04): 616-625.