一种基于主题的文本聚类方法.pdfVIP

第 2 1 卷 　第 2 期 中文信息学报 Vol . 2 1 , No . 2 2007 年 3 月 J OU RN AL O F C H IN ESE IN FO RMA T ION PROCESSIN G Mar . , 2007 文章编号 : (2007) 一种基于主题的文本聚类方法 赵世奇 ,刘 挺 , 李 生 ( 哈尔滨工业大学 信息检索实验室 ,黑龙江 哈尔滨 15000 1) 摘 　要 : 现有的文本聚类方法难以正确识别和描述文本的主题 ,从而难以实现按照主题对文本进行聚类 。本文提 出了一种新的基于主题的文本聚类方法 : L F IC 。该方法能够准确识别文本主题并根据文本的主题对其进行聚类 。 本方法定义和抽取了“主题元素”,并利用其进行基本类索引。同时还整合利用了语言学特征 。实验表明 ,L FIC 的 聚类准确率达到 94 . 66 % ,优于几种传统聚类方法 。 关键词 : 人工智能 ;模式识别 ;基于主题文本聚类 ;基本类索引;语言学特征 中图分类号 : TP39 1 　　　　文献标识码 : A A Topical Document Clustering Method ZHAO Shiqi , L IU Ting , L I Sheng ( Information Ret rieval L aboratory , Haerbin In stit ut e of Technology , Haerbin , Heilongj iang 15000 1 , China) Abstract : Few of t he exi sting document clu st ering met hods can det ect or describe document topics p rop erly , which makes it difficult to conduct clu st ering ba sed on topics. In t hi s p ap er , we int ro duce a novel topical document clu st e ring met ho d called L ingui stic Feat ures Indexing Clu st ering (L F IC) , which can identify topics accurat ely and clu st er document s accor ding to t hese topics. In L FIC , “topic element s ”are defined and ext ract ed for indexing base clu st er s. A dditionally , lingui stic feat ures are exp loit ed . Exp eriment al result s show t hat L FIC can gain a higher p reci sion (94 . 66 %) t han some widely u sed t raditional clu st ering met ho ds. Key words : artificial int elligence ; p att ern recognition ; topical document clu st ering ; ba se clu st er s indexing ; lingui stic feat ures