基于聚类融合的标题文本聚类方法-情报资料工作-计算机工程与应用.PDFVIP

Computer Engineering and Applications 计算机工程与应用 2015 ，51（15） 129 基于聚类融合的标题文本聚类方法 杨 威，朱福喜 YANG Wei, ZHU Fuxi 武汉大学 计算机学院，武汉 430072 Computer School of Wuhan University, Wuhan 430072, China YANG Wei, ZHU Fuxi. Title text clustering method based on clustering ensemble. Computer Engineering and Ap- plications, 2015, 51 （15）：129-133. Abstract: For the title text clustering results instability problem, a title text clustering method based on clustering ensemble is proposed. It filters out the title texts ’feature words, and transforms title texts into feature sets. It proposes a similarity calculation method based on statistical and semantic to calculate the similarity between feature sets. It introduces the clus- tering ensemble algorithm based on co-association matrix to get results. Experimental results show that, compared with the traditional clustering algorithm, this method improves the stability of results. Key words: title text; cluster ensemble; cluster stability 摘 要：针对标题文本聚类中的聚类结果不稳定问题，提出一种基于聚类融合的标题文本聚类方法。该方法对标题 文本的特征词进行筛选，将标题文本转化为特征词集合；提出基于统计和语义的相似度计算方法，计算特征词集合 间的相似度；引入基于共协矩阵的聚类融合算法，得出聚类结果。实验结果表明，和传统聚类算法相比，该方法提升 了标题文本聚类的稳定性。 关键词：标题文本；聚类融合；聚类稳定性 文献标志码：A 中图分类号：TP391 doi ：10.3778/j.issn. 1002-8331.1405-0442 1 引言 基于标题类别语义识别的文本分类算法。 近些年，互联网日益深入人们的生活，越来越多的 聚类相对于分类，具有无需先验知识的优势，可根 文本资料被分享到互联网之中。如何对网络上的文本 据数据的自然分布而获取知识。目前尚无针对中文标 资料进行有效的归纳和整理，成为文本处理领域的重要 题文本的聚类算法，不过鉴于标题文本的短文本特性， 课题。文本的标题，或直接点明主题，或与主题密切相 标题文本聚类也面临着与其他短文本聚类一样的特征 [5] 关，能较准确地反映出文本的写作方向和讨论范围。通 稀疏严重 等问题。为应对这一问题，其他短文本聚类 过标题对文本进行归类划分是完全可行的。 的解决思路主要有两种：一种是在数据预处理阶段，进