一种基于自动阈值发现的文本聚类方法.pdfVIP

第41卷第】o期 计算机研究与发展 VoI41．No．10 2004年10月 OFCOMPUTER Oct．2004 JOURNAL RESEARCHANDDEVELOPMEN’F 一种基于自动阈值发现的文本聚类方法 张猛王大玲于戈 (东北大学信息科学与工程学院沈阳 110004) (zhangra163．Cfltll) 摘要文本聚类随着网上文本的激增以及实际应用中的需求，引起了人们越来越多的重视．通过分析文本的特征咀及 常用的文本聚类方法，提出_r一种对文本进行细致划分获取细化簇、并在细化簇基础上进行聚类的文本聚类方法．在聚 类过程中，采用曲线的多项式拟台技术提出了一种自动发现闺值的方法，并把该方法应用于细化簇的寻找步骤中．与凝 聚的层次聚类方法的实验比较结果表明，使用自动阚值发现的方法在时间消耗、聚类效果、以及对孤立点的容忍性方面 都具有更优的性能 关键词文本聚类；细化簇；自动闽值发现 中图法分类号TP311 AText MethodBasedonAuto-SelectedThreshold Clustering YU ZHANG Ge Meng．WANGDa-Ling．and Eastern 110004) (InstituteofhformationScienceandEngineering，N0mUniversity．Shenyang to AbstractText is moreandmore duethe 0ftextsonWebandthe clusteringbeconfing popular increasing inreal this anoveltext methodis whichcluster requirementsapplication．Inpaper clustering proposed，in areclusteredintofineclusters thenthefineclustersareclustered texts firstly，and usingagglomerative method．Anlethodthatcanselectthreshold in isalso nestingclustering automaticallyclusteringprocess onmultinomialsimulation methodis inthe proposed，based technique．Thisapplied clusteringalgorithm． in The showthatthe hasa result experiments algorithmadoptedgood computational andk』erance。f effect OUtliers． words text clusters；auto-selectedthreshold Key clustering；fine 象作为一个簇的平均值，对每个对象根据其与各个 1引 言 簇中心的