基于短信文本向量的聯(lián)系人關(guān)系判定方法研究.pdf

1、短信作為人們?nèi)粘Ｉ罟ぷ髦械囊环N很重要的通信工具，通過對短信內(nèi)容的分析獲得聯(lián)系人之間在現(xiàn)實生活中可能存在的關(guān)系，有助于短信數(shù)據(jù)的再應(yīng)用。聯(lián)系人關(guān)系的判定可以借助傳統(tǒng)的數(shù)據(jù)挖掘中所采用的文本分類方法進行，但傳統(tǒng)的文本分類方法在一定程度上不適應(yīng)短信內(nèi)容的分類需要，因此研究基于短信文本的分類方法進而判定聯(lián)系人所屬關(guān)系具有重要的意義。
　　為便于后續(xù)基于短信文本內(nèi)容的聯(lián)系人關(guān)系分類操作，需要對短信文本進行分詞操作，提取其中有價值的詞語，為

2、此，通過構(gòu)建自有用戶詞典，并選用NLPIR分詞系統(tǒng)完成短信文本的分詞操作。同時考慮到部分詞匯對于后續(xù)分析是無意義的，因此構(gòu)造了恰當?shù)耐Ｓ迷~表，對分詞結(jié)果集合進行了停用詞去除的操作，得到了最終可用于進行聯(lián)系人關(guān)系判定的短信文本分詞集合。
　　基于文本分類的思想進行聯(lián)系人關(guān)系的判定，需要對文本集合構(gòu)建相應(yīng)的短信文本特征向量，為此基于短信文本的特點和聯(lián)系人關(guān)系判定的需要，選取了四大類共14個不同的特征項，共同構(gòu)成短信文本的特征向量，同時

3、基于貢獻度的思路，給出了各特征項在特征向量中所占權(quán)重的計算方法。
　　在獲得各短信文本的特征向量之后，考慮到數(shù)據(jù)量的極為龐大，為提高工作效率，對KNN的算法進行了適當改進，給出了基于K-means的改進后的KNN方法，能夠有效地減少訓練所需樣本集合，同時能夠保證最終的分類結(jié)果準確性。實驗證明，在確定分類類別界定為家人、朋友、同事和陌生人等四種類別的情形下，采用該方法能夠?qū)Ａ慷绦艛?shù)據(jù)集中特定的兩位聯(lián)系人之間的關(guān)系進行較為準確的判定