基于异构信息网络的比较文本互聚类
信息检索
2019-03-12 v1 计算与语言
摘要
当前，许多情报系统包含来自多源的文本，例如电子公告板系统（BBS）帖子、推文和新闻。这些文本可能是“比较性”的，因为它们在语义上相关，从而为我们提供针对同一主题或事件的不同视角。为了更好地组织多源文本并获得更全面的知识，我们提出研究比较文本互聚类（MCCT）这一新问题，其旨在同时且协作地对比较文本进行聚类。MCCT 问题难以解决，因为 1）比较文本通常呈现不同的数据格式与结构，因而难以组织；2）缺乏有效的方法连接语义相关的比较文本以统一方式促进其聚类。为此，本文提出基于异构信息网络的文本聚类框架 HINT。HINT 首先通过引入共享的“锚文本”连接比较文本，将多源文本（如新闻与推文）建模为异构信息网络。接着，基于 HINT 构建两个相似度矩阵以及用于跨文本源知识转移的转移矩阵。然后利用所构建的矩阵进行比较文本聚类。最后，还提出一种互聚类算法，通过引入聚类一致性约束进一步统一比较文本各自的聚类结果。我们在三个推文-新闻数据集上进行了充分实验，结果证明了所提方法在解决 MCCT 问题上的有效性与鲁棒性。
引用
@article{arxiv.1903.03762,
title = {Mutual Clustering on Comparative Texts via Heterogeneous Information Networks},
author = {Jianping Cao and Senzhang Wang and Danyan Wen and Zhaohui Peng and Philip S. Yu and Fei-yue Wang},
journal= {arXiv preprint arXiv:1903.03762},
year = {2019}
}