原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于相似度的词聚类算法
年第 卷第 期 微电子学与计算机 93
2005 22 8
基于相似度的词聚类算法
袁里驰 钟义信
北京邮电大学信息工程学院 北京
( , )
100876
摘 要 基于类的统计语言模型是解决统计模型数据稀疏问题的重要方法 传统的统计方法基于贪婪原则 常以
: 。 ,
语料的似然函数或困惑度 作为评价标准 传统的聚类方法的主要缺点是聚类速度慢 初值对结果影响
( ) 。 ,
perplexity
大 易陷入局部最优 本文提出了词相似度定义 词集合相似度定义 一种自下而上的分层聚类算法 这种方法不但
, 。 、 , 。
能改善聚类效果 而且可根据不同的模型选择不同的相似度定义 从而提高聚类的使用效果
, , 。
关键词 词相似度 词聚类 统计语言模型
: , ,
中图法分类号:TP391.1 文献标识码: 文章编号: ( )
A 1000-7180200508-
WordClusteringBasedonSimilarity
,
YUANLi-chiZHONGYi-xin
( )
CollegeofInformationEngineering,UniversityofPostsandTelecommunication,Beijing100876
Abstract:Cluster-basedstatisticlanguagemodelisanimportantmethodtosolvetheproblemofsparsedata.Conven-
tionalstatisticalclusteringmethodsusuallybaseongreedyprinciple.ThecommonMetricforevaluatingaclusteringal-
gorithmisthelikelihoodfunctionorperplexityofthecorpus.Conventionalclusteringalgorithmsoftenconvergetoalocal
optimum,soglobaloptimumisnotguaranteed,andinitialchoicescaninfluencefinalresult.Theauthorstrytosolve
aboveproblemsinthispaper.Thispaperpresentsanoveldefinitionofwordsimilarity.Basedonwordsimilarity,this
papergivesthedefinitionofwordsetsimilarity,andproposesabottom-uphierarchicalclusteringalgorithmbasedon
similarity.Thismet
文档评论（0）