信息管理与信息系统第3章.ppt

《信息存储与检索》 3.6.4 文本聚类常用技术 动态聚类法主要致力于在一个平面层次上分割所有的样本点，通过算法的迭代执行，得到一个较合理的有k个类的聚类结果（假设k是希望得到的类的数目）。动态聚类的基本处理思想如图3-9: 图3-9 动态聚类法工作流程图 《信息存储与检索》 * 《信息存储与检索》 3.6.4 文本聚类常用技术 动态聚类法主要基于这样的假设：类的中心可以代表整个类，并且一般由该类包含对象（如文档向量）的平均值来描述。图中的“聚类中心”（或称“凝聚点”）我们可以认为是类的重心（centroid）。刚开始时，在参加聚类的文档集合中选若干有代表性的文档作为凝聚点，相当于把这些文档单独成类，然后按照一定的原则（如选择最近的凝聚点）使其他文档向凝聚点聚集，即合并到已有的类中，实现文档的初始聚类处理。之后，再判断初始聚类结果是否合理，如果不合理，就进行修改，然后再次聚类，直到对聚类结果满意为止。 《信息存储与检索》 * 《信息存储与检索》 3.6.4 文本聚类常用技术 在这样的聚类处理过程中，各文档仅限于与“凝聚点”进行比较，这种局部分析策略使聚类处理的工作量大大减少，因此，算法的执行时间与问题规模（即文档数量）呈线性时间复杂度的关系，可以在较短时间完成。在这一点上，与采用全局性策略的等