一种基于本体相似度计算的文本聚类算法研究.pdfVIP

第 37卷 第9期 计 算 机 科 学 Vo1．37No．9 2010年 9月 Computer Science Sep2010 一 种基于本体相似度计算的文本聚类算法研究 王 刚 钟国祥。 (安康学院电子与信息工程系 安康 725000) (重庆教育学院科技处 重庆400067)。 摘 要 为了改善文本聚类的质量，得到满意的聚类结果，针对文本聚类缺少涉及概念的内涵及概念间的联系，提出 了一种基于本体相似度计算的文本聚类算法TCBO(TextClusteringBasedonOntology)。该算法把文档用本体来刻 画，以便描述概念的内涵及概念间的联系。设计和改进了文本相似度计算算法，应用本体的语义相似度来度量文档间 相近程度，设计了具体的根据相似度进行文本聚类的算法。实验证明，该方法从聚类的准确性和聚类的关联度方面改 善了聚类质量。 关键词 本体，相似度，文本聚类，语义 StudyonTextClusteringAlgorithm BasedonSimilarityM easurementofOntology W ANG Gang，。 ZHONG Guo-xiang2 (Dept．ofElectronic InformationEngineering，AnkangUniversity，Ankang725000，China) (EducationalCollegeofChongqing，Chongqing400067，China)。 Abstract Toimprovethequalityoftextclusteringandgetthesatisfactoryclusteringresults，weproposedatextclus— teringbasedonsimilarityofontology．Byorganizingtextasontology，wewereeasytorepresentthemeaningsandrela— tionsofconcepts．W edesignedandimprovedthemeasurementofsimilarityandmeasuredthetextsimilaritybysimilari— tyoftextontology，wedesignedthealgorithm oftextclusteringbasedonsimilarity．Experimentsshow thatourmethod canavoidusingtheterm isolationandhigh-dimensional，andcanimprovetheclusteringqualityincorrectiondegreeand associationdegree． Keywords Ontology，Similarity，Textclustering，Semantic 展。本文把心理学中对相似性研究的成果引入到概念相似性 1 引言 度量，提出了基于语义元支持度的概念相似性度量方法，该方 概念相似性度量在服务选择[1]、自然语言理解、文献检 法首先对特征进行语义扩展，用语义元表示概念 内涵，引入支 索等领域具有重要的作用。当前主要模型有：(1)基于距离 持度来表现不同语义元对概念内涵表示的贡献，综合考虑相 的语义相似度计算模型，该模型简单、直观，但依赖预先建立 似性、相关性、差异性、不同义元的支持度以及不对称性，通过 好的概念层次网络，网络的结构直接影响到语义相似度的计 比较语义元的相似性，实现概念相似性的度量。把关系作为 算 ；(2)基于内容的语义相似度计算模型，该模型充分利用了 一