基于改进的模糊C均值算法的多文档自动文摘.pdfVIP

基于改进的模糊C均值算法的多文档自动文摘 郝志新 王 轩 姚 霖 张耀允 哈尔滨工业大学深圳研究生院智能计算研究中心 518055 摘要：针对中文语句隶属于类的模糊性，本文提出了一种改进的模糊C均值聚类算法确定多文档集合 的潜在子主题。为了减小初值选取不当对模糊C均值算法产生的影响，该方法结合训练阈值的层次聚类算法 以及样本密度算法投票生成初始聚类中心，初始化模糊C均值算法的原型矩阵以及划分矩阵，进而聚类生成 多文档文摘的子主题。通过对子主题的排序以及文摘句的抽取生成多文档文摘。实验结果表明，采用改进的 模糊C均值聚类算法得到的子主题聚类效果要优于现有的几种应用于多文档文摘的聚类算法。与此同时，生 成的文摘也达到了较理想的效果。 关键词：多文档文摘；子主题；模糊C均值聚类；训练阈值的层次聚类；样本密度 Multi-documentSummarizationBasedonImproved FuzzyC-meansClusteringAlgorithm ZhixinHao XuanWangLinYaoYaoyunZhang IntelligenceComputingResearchCenter,ShenzhenGraduateSchool HarbinInstituteofTechnology Abstract:Tofindoutthepotentialsubtopicsofdocumentcollections,thepaperproposesanadvancedfuzzy c-meansclusteringalgorithmaccordingtothefuzzinessofChinesesentencebelongingtodifferentclasses.To weakentheinfluenceofimproperinitializationforfuzzyc-means,thealgorithmemploysavotingmethodby combingthethresholdbasedhierarchicalclusteringalgorithmandsampledensityalgorithm.Multi-document summarizationisgeneratedthroughtheorderingofthesubtopicsandtheextractionoftheabstractsentences.The experimentsshowthatourmethodgetsabetterclusteringresultthantheotherclusteringalgorithmsusedin multi-documentsummarization.Meanwhile,thesummarizationgeneratedisalsosatisfying. KeyWords:Multi-documentSummarization;Sub-topic;FuzzyC-means;HierarchicalClustering;Sample Density 次聚类算法以及 减小了参数信息 计算每个圆P ：为第一个凝i i均大于圆的l 个爹致制选耿，我Ⅲ 内以01为间隔对模 时IFCM算法得到了 ！类效果评价 §作为聚类效果的评， 进行了对比实验。翼 %§j冉轴}}，。≠^耳 i频词覆盖率。一定i §效果对生成的文摘j ：摘效果要明显好于 口子抽取，生成的文j ,Universit?of] MgorzataBudzil, basedevaluatioi1