基于相对密度的多耦合文本聚类算法-计算机应用研究.PDF

第３３卷第６期 计 算 机 应 用 研 究 Ｖｏｌ３３Ｎｏ６ ２０１６年６月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｊｕｎ．２０１６ 基于相对密度的多耦合文本聚类算法 王洪佳，邢长征，王　星 （辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛１２５１０５） 摘　要：针对现有的空间向量模型在进行文本表示时忽略词条的位置和词条间关系的问题，提出了一种基于相 对密度的多耦合文本聚类算法。在基于相对密度的聚类方法基础上，该算法根据相对密度越小文本相似性越小 这一事实，将相对密度转换为文本相似度，融入了传统ＤＢＳＣＡＮ密度算法，并对核心对象的选取进行了优化。实 验结果表明，与改进的Ｋｍｅａｎｓ文本聚类和改进的ＤＢＳＣＡＮ文本聚类算法相比，本算法在文本聚类中更高效、聚 类质量更优。 关键词：文本聚类；空间向量模型；相对密度；文本相似度；核心对象 中图分类号：ＴＰ３９１１；ＴＰ３０１６　　　文献标志码：Ａ　　　　　文章编号：１００１３６９５（２０１６）０６１６２４０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．０６．００６ Ｍｕｌｔｉｃｏｕｐｌｅｄｔｅｘｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｒｅｌａｔｉｖｅｄｅｎｓｉｔｙ ＷａｎｇＨｏｎｇｊｉａ，ＸｉｎｇＣｈａｎｇｚｈｅｎｇ，ＷａｎｇＸｉｎｇ （ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃ＆ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，ＨｕｌｕｄａｏＬｉａｏｎｉｎｇ１２５１０５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｔｈａｔｅｘｉｓｔｉｎｇｓｐａｃｅｖｅｃｔｏｒｍｏｄｅｌｓｉｇｎｏｒｅｅｎｔｒｙｌｏｃａｔｉｏｎａｎｄｔｈｅｒｅｌａｔｉｏｎｓｂｅｔｗｅｅｎｅｎｔｒｉｅｓ，ｔｈｉｓ ｐａｐｅｒｐｒｏｐｏｓｅｄａｍｕｌｔｉｃｏｕｐｌｅｄｔｅｘｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｒｅｌａｔｉｖｅｄｅｎｓｉｔｙ．Ｏｎｔｈｅｂａｓｉｓｏｆｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓｂａｓｅｄ ｏｎｒｅｌａｔｉｖｅｄｅｎｓｉｔｙａｎｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅａｌｉｔｙｔｈａｔｔｈｅｓｍａｌｌｅｒｔｈｅｒｅｌａｔｉｖｅｄｅｎｓｉｔｙｗａｓ，ｔｈｅｓｍａｌｌｅｒｔｈｅｔｅｘｔｓｉｍｉｌａｒｉｔｙｗａｓ，ｔｈｅ ａｌｇｏｒｉｔｈｍｃｏｎｖｅｒｔｅｄｒｅｌａｔｉｖｅｄｅｎｓｉｔｙｔｏｔｅｘｔｓｉｍｉｌａｒｉｔｙ，ｉｎｔｅｇｒａｔｅｄｔｈｅｔｒａｄｉｔｉｏｎａｌＤＢＳＣＡＮｄｅｎｓｉｔｙａｌｇｏｒｉｔｈｍ，ａｎｄｏｐｔｉｍｉｚｅｄｔｈｅ ｓｅｌｅｃｔｉｏｎｏｆｃｏｒｅｏｂｊｅｃｔｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ｃｏｍｐａｒｉｎｇｗｉｔｈｔｈｅｉｍｐｒｏｖｅｄＫｍｅａｎｓａｎｄｔｈｅｉｍｐｒｏｖｅｄＤＢＳＣＡＮ ｔｅｘｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｓ，ｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｐｅｒｆｏｒｍｓｍｏｒｅｅｆｆｉｃｉｅｎｔｌｙａｎｄｈａｓａｂｅｔｔｅｒｃｌｕｓｔｅｒｉｎｇｑｕａｌｉｔｙｉｎｔｅｘｔｃｌｕｓｔｅ ｒｉｎｇ． Ｋｅｙｗｏｒｄｓ：ｔｅｘｔｃｌｕｓｔｅｒｉｎｇ；ｖｅｃｔｏｒｓｐａｃｅｍｏｄｅｌ；ｒｅｌａｔｉｖｅｄｅｎｓｉｔｙ；ｔｅｘｔｓｉｍｉｌａｒｉｔｙ；ｃｏｒｅｏｂｊｅｃｔ 种基于词共现的文档聚类算法。上述几种方法都是采用统计 ０　引言 分析的方法，通过计算在一个文档中词条同现的频率表达词条 文本聚类是将一组未标记文本自动地划分为多个簇，使得 之间的语义关系，在一定程度上减小空间向量矩阵的稀疏性， 同一个簇中的文本之间的相似度尽可能地大，不同簇中的文本