基于Sollin算法的快速聚类研究.pdfVIP

技术研究与应用 船 舶 职 业 教 育 第 3卷 第 1期 TechnologyResearchandApplication SHIPBUILDING VOCATIONALEDUCATION VOI．3， NO．1 基于Sollin算法的快速聚类研究 刘 欢 (渤海船舶职业学院，辽宁兴城 125105) 摘要：文本聚类技术作为处理和组织大量文本数据的一项重要技术，能够在很大程度上解决由于信息 爆炸所带来的问题。Sollin算法是构建最小生成树的典型算法，与Kruskal算法和Prim算法相比，具有容 易实现并行运算的特点。因此，利用基于Sollin的快速层次聚类算法在复旦语料和搜狗语料上进行聚类实 验，结果表明基于Sollin的快速层次聚类算法在运行效率和聚类质量上都优于传统层次聚类算法。 关键词：层次聚类；Sollin算法；运行效率；聚类质量 中图分类号：TP301．6 文献标识码 ：A 文章编号：2095—5928 (2015)01-6O—O5 QuickClusteringResearchBasedonSollinArithmetic (BohaiShipbuildingVocationalCoUege，Xingcheng125105，China) Abstract：Textclusteringtechnologyasanimportanttechnoloyg processingandorganizinglargeamountsof textdatacan solveproblemscausedby information explosion to agreatextent．SoUin arithmeticisatypical arithmetic forconstructing the minimum spanning tree．and compared 、Ⅳith Kruskalalgorithm and Prim algorithm，itiseasy to realize paralleloperation．Therefore，the Fudan corpusand Sogou COrpusclustering research resultbasedonSollin quickclusteringarithmeticshowsthatthequick hierarchicalclusteringarithm etic basedonSoUinissuperiortothetraditionalhierarchicalclusteringarithmeticinefficiencyandlusteringqualiyt． Keywords：hierarchicalclustering；Sollinarithmetic；operatingefficiency；clusteringquality 0 引言 数据进行分析。根据聚类方式的不同，文本聚 文本作为信息载体，因其数量巨大而难 以 类可以分为划分式聚类和层次聚类。由于层次 处理和组织大量文本 聚类算法简单容易实现且适合多种形状分布的 数据的一项重要技术， 够在很大程度上解决 数据，因此本文主要对层次聚类进行研究。 由于信息爆炸所带来自 题。文本聚类是通过 层次聚类按照聚类过程的不同可以分为 自 数据集的空间分布情