一种改进的人工免疫文本聚类算法.pdfVIP

第22 卷第1 期 系 统 仿 真 学 报© Vol. 22 No. 1 2010 年1 月 Journal of System Simulation Jan., 2010 一种改进的人工免疫文本聚类算法 童健华，谭洪舟，郭雷勇 （中山大学电子系，广州 510275 ） 摘 要：构造了一种能准确描述文本之间相似性（亲和力）的新方法，并在此基础上提出了一种 改进的人工免疫文本聚类算法。仿真结果表明，与传统的文本聚类算法相比，新算法不仅能自动发 现新类，而且具有聚类精度更高、数据压缩比更大、与输入初始配置无关、可增量处理的优势。 关键词：抗体；亲和力计算；人工免疫网络；文本聚类 中图分类号：TP183 文献标识码：TP3 文章编号：1004-731X (2010) 01-0029-04 Document Clustering Algorithm Based on Improved Artificial Immune System TONG Jian-hua, TAN Hong-zhou, GUO Lei-yong (Department of Electronics and Communication Engineering, Sun Yat-sen University, Guangzhou 510275, China) Abstract: A new method which could accurately compute the affinity between documents was proposed. By using the method, a document clustering algorithm based on improved artificial immune system was proposed. Simulation results show that new algorithm can not only locate new clusters automatically, but has the advantage of being independent of the input initialization and the incremental clustering ability as well, where it has better clustering quality and higher data compression rate rather than some current document clustering algorithms. Key words: antibody; computing of affinity; artificial immune network; document clustering. 引 言‡ 索效率；二、没有针对文本数据高维性和海量性的特点找到 合适的相似性度量方法，致使聚类精度不高。 文本是Internet 上信息资源的一种主要形式，然而，面 为了弥补传统文本聚类算法所存在的不足，近年来学术 对庞大的web 海洋，人们却很难找到真正需要的信息。聚类 界提出了运用人工免疫网络来改善文本聚类的新方法。人工 分析是文本挖掘的主要手段之一，它以文本之间的距离作为 免疫系