中文文本聚类常用停用词表对比研究*

官琴, 邓三鸿, 王昊

Chinese Stopwords for Text Clustering: A Comparative Study

Guan Qin,Deng Sanhong,Wang Hao

表9 各语料库与文本领域综合统计表-F1值

文本类型 语料库 百度 四川大学 哈尔滨工业大学 经济 复旦语料库 0.982 0.978 0.973 搜狗语料库 0.598 0.640 0.449 中文语料库 0.884 0.701 0.504 平均值 0.821 0.773 0.642 IT 复旦语料库 0.851 0.969 0.834 搜狗语料库 0.480 0.365 0.567 中文语料库 0.725 0.740 0.767 平均值 0.685 0.691 0.722 军事 复旦语料库 0.697 0.558 0.734 搜狗语料库 0.512 0.046 0.098 中文语料库 0.285 0.367 0.116 平均值 0.498 0.324 0.316 体育 复旦语料库 0.597 0.612 0.600 搜狗语料库 0.748 0.712 0.913 中文语料库 0.687 0.940 0.426 平均值 0.677 0.755 0.646 艺术 复旦语料库 0.944 0.942 0.937 搜狗语料库 0.823 0.434 0.853 中文语料库 0.921 0.924 0.943 平均值 0.896 0.767 0.911