文档部分聚类：从文档中检测和描述影响运动

Feb, 2024

文档部分聚类：从文档中检测和描述影响运动

Clustering Document Parts: Detecting and Characterizing Influence Campaigns From Documents

Zhengxiang Wang, Owen Rambow

TL;DR我们提出了一种新颖的聚类流程来检测和表征文档中的影响力运动。该方法通过聚类文档的部分，检测反映影响力运动的聚类，并通过它们与高影响力聚类的关联识别与影响力运动相关的文档。我们的方法在预测文档是否属于影响力运动方面优于直接的基于文档级别的分类和聚类方法。我们提出了各种新技术来增强我们的流程，包括使用现有的事件真实性预测系统获取文档部分，并聚合多个聚类实验来改进聚类和文档分类的性能。在聚类的基础上对文档进行分类不仅可以精确提取与影响力运动相关的文档部分，而且将影响力运动作为一种协调和整体的现象来捕捉。我们的方法使得从文档中更细粒度、可解释性更强地表征影响力运动成为可能。

Abstract

We propose a novel clustering pipeline to detect and characterize influence campaigns from documents. This approach clusters parts of document, detects clusters that likely reflect an influence campaign, and then identifies documents linked to an influence campaign via their associatio

clustering pipeline influence campaigns document classification event factuality prediction system fine-grained characterizations

发现论文，激发创造

基于多尺度图划分的内容驱动非监督式新闻文章聚类

介绍了一种利用自然语言处理和图论工具结合的方法，通过向量表示和多尺度社团检测技术对文本进行分析和分类，得出了一组组具有相似内容的文档，揭示了主题和子主题的类层次结构。

Aug, 2018

模仿人类过程：通过潜在语义聚类进行文本表示的分类

通过聚类单词并组合成文本向量的新文本表示方案，在 5 个分类基准测试中得到了有效的评估结果，并通过可视化分析验证了其有效性。

Jun, 2019

从图像到文本分类：一种基于聚类词嵌入的新方法

本文提出了一种基于聚类词向量的文本分类方法，使用 K 均值算法构建超级词向量表征，建立特定于类别的词汇表以提高性能，在主题分类和极性分类任务中表现优异。

Jul, 2017

文本分段的文档摘要

本研究旨在利用文献的内在结构，通过建立两个文本分割模型并寻找最优策略，使它们的输出预测投入到一种提取式摘要模型中，实验结果表明，提取式摘要从使用高准确度的分割方法中受益匪浅，特别地，在文档中最相关信息不在开头的情况下，分割有助于减少引导偏差问题。

Jan, 2023

使用分层凝聚聚类分割说明性文本

本文提出了一种基于分层凝聚聚类的说明性文本分段方法，该方法使用段落作为基本段落，通过它们之间的词汇相似度进行文本的分层话结构识别。该算法已经证明与现有的线性分割方法具有可比较的结果。

Sep, 1997

多文档摘要的命题级聚类

本研究重新审视单词聚类方法，通过将子句命题分组，从而能更精确地对齐信息。我们的方法检测重要的命题，将它们聚类形成释义的群集，并通过文本融合为每个聚类生成代表性句子。在 DUC2004 和 TAC2011 数据集中，我们的总结方法在自动 ROUGE 分数和人类偏好方面优于先前的 MDS 方法。

Dec, 2021

利用新闻故事链聚类改进和评估新闻推荐中的分散性检测

新闻推荐系统对塑造民主社会中的信息获取起着日益重要的作用，但是将推荐定制化于用户特定兴趣可能导致信息流的分散。信息获取的碎片化对公共领域的完整性造成挑战，进而影响民主与公共话语。本文通过自然语言处理（NLP）识别不同的新闻事件、故事或时间线，对量化新闻推荐中的碎片化提出了广泛的研究。我们评估了不同方法在新闻故事聚类上的性能，以及在不同模拟新闻推荐场景下的碎片化得分，发现基于凝聚层次聚类和 SentenceBERT 文本表示的方法明显优于以往的实现。此外，模拟场景的分析为相关方提供了关于测量和解释碎片化的有益见解和建议。

Sep, 2023

稻草堆中的话题：超越一致性的话题提取和评估

该研究提出了一种方法，通过对句子和文档的主题进行深入理解，不仅分析数据中的词频，而且可以检测包括非常见词或新词在内的潜在主题，还使用了基于语义空间的异类词和相似性度量等新的评价指标，并通过与人工识别相似性度量的相关系数，在文本挖掘方面展现出优秀的性能结果。

Mar, 2023

高度异质性文档集的探索性分析

使用智能标记、基于机器学习和自然语言处理的 unsupervised 和 supervised 的标记策略，以及强大的 faceted 浏览框架，为高度异构文档集合提供了一种有效的多方面系统，其中重要的标记策略之一是 KERA 算法，如果让用户进行 buried 在海量不同信息中的军事关键技术文档定位，证明我们的系统是有效的。

Aug, 2013

文本文件流组织的情境化

本论文通过使用增量算法如 Incremental TextRank 和 IS-TFIDF 来探索文本文档流，并构建了一种文本文档流组织的体系结构，以便更快速地处理大规模文本数据集的聚类能力，并基于文档之间的相似性提供了一种全新的文档组织视角。

May, 2022