AcTc一种基于改进的蚁群算法的中文文本聚类算法.PDFVIP

＜＜信息技术 　　 ＡＣＴＣ：一种基于改进的蚁群算法的中文文本聚类算法 刘泉凤 浙江水利水电专科学校　杭州３１００１８ 〔摘要〕在对标准蚁群算法分析研究基础上，结合中文文本数据的特点，对蚁群算法存在的缺点进行改进，提出一 种基于改进的蚁群算法的中文文本聚类方法———ＡＣＴＣ。算法中为每只蚂蚁增加两个记忆体，可以解决原算法中 的“未指派现象”；模拟信息素，从而使蚂蚁的移动更具目的性，加快聚类速度；引入“边界点”思想，从而不仅可以 消除“停滞现象”，而且能避免“噪声”或异常数据对聚类结果的负面影响；引入动态调整相似度阈值概念，从而使 聚类结果更具实际意义。实验证明，从熵值与纯度两个评价函数评价结果看，该算法的聚类效果较好，达到算法 改进的目的。 〔关键词〕文本聚类　聚类算法　中文信息处理 〔分类号〕ＴＰ３９１ ＡＣＴＣ：ＡＣｈｉｎｅｓｅＴｅｘｔＣｌｕｓｔｅｒｉｎｇＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＡｎｔＣｏｌｏｎｙＡｌｇｏｒｉｔｈｍ ＬｉｕＱｕａｎｆｅｎｇ ＺｈｅｊｉａｎｇＷａｔｅｒＣｏｎｓｅｒｖａｎｃｙａｎｄＨｙｒｏｐｏｗｅｒＣｏｌｌｅｇｅ，Ｈａｎｇｚｈｏｕ３１００１８ 〔Ａｂｓｔｒａｃｔ〕Ｂａｓｅｄｏｎｔｈｅｓｔｕｄｙｏｆｓｔａｎｄａｒｄａｎｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ，ｗｉｔｈｒｅｇａｒｄｔｏＣｈｉｎｅｓｅｔｅｘｔｄａｔａ’ｓｃｈａｒａｃｔｅｒｉｓｔｉｃ，ｔｈｉｓｐａｐｅｒｐｕｔｓ ｆｏｒｗａｒｄａｎｅｗｍｅｔｈｏｄｏｆＣｈｉｎｅｓｅｔｅｘｔｃｌｕｓｔｅｒｉｎｇｔｈａｔｉｍｐｒｏｖｅｓｔｈｅａｌｇｏｒｉｔｈｍｉｃｐｅｒｆｏｒｍａｎｃｅ：ＡＣＴＣ．Ｂｙａｄｄｉｎｇｔｗｏｃａｃｈｅｓｔｏｅｖｅｒｙａｎｔ， ｓｉｍｕｌａｔｉｎｇｔｈｅｉｎｆｏｒｍａｔｉｏｎｅｌｅｍｅｎｔ，ｉｎｔｒｏｄｕｃｉｎｇ“ｂｏｕｎｄａｒｙｐｏｉｎｔ”，ａｎｄａｄｊｕｓｔｉｎｇｔｈｅｔｈｒｅｓｈｏｌｄｏｆｓｉｍｉｌａｒｉｔｙｄｙｎａｍｉｃａｌｌｙ，ｔｈｅｍｅｔｈｏｄ ｈａｓａｖｏｉｄｅｄ“ｔｈｅｎｏｉｓｅ”ｏｒｔｈｅｕｎｕｓｕａｌｄａｔａ’ｓｉｎｆｌｕｅｎｃｅｏｎｔｈｅｃｌｕｓｔｅｒｓ，ａｎｄｈａｓｓｐｅｅｄｅｄｕｐｔｈｅｃｌｕｓｔｅｒｉｎｇｅｆｆｅｃｔ．Ｅｘｐｅｒｉｍｅｎｔｓｓｈｏｗ ｔｈａｔｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｃａｎｎｏｔｏｎｌｙｃｌｕｓｔｅｒＣｈｉｎｅｓｅｔｅｘｔｄａｔａ，ｂｕｔａｌｓｏｈａｓｍｏｒｅｃｌｕｓｔｅｒｉｎｇｅｆｆｅｃｔｔｈａｎａｎｔｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｏｎ ｔｈｅｓｅ２ｅｖａｌｕａｔｉｏｎｉｎｄｅｘｅｎｔｒｏｐｙａｎｄｐｕｒｉｔｙ，ｔｈｕｓｈａｓｉｍｐｒｏｖｅｄｔｈｅｏｒｉｇｉｎａｌａｌｇｏｒｉｔｈｍ． 〔Ｋｅｙｗｏｒｄｓ〕ｔｅｘｔｃｌｕｓｔｅｒｉｎｇ　ｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ　Ｃｈｉｎｅｓｅｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎ 法，它是对自然界蚂蚁的寻径方式进行模拟而得出的 １　引　言 一种仿生算法，最早是由Ｄｅｎｅｕｂｏｕｒｇ应用到聚类领域， 它是一种基于群体智能的聚类算法，它不仅不用事先 　　文本聚类是一种无指导的文本分类，它将一个文 设定聚类数，能实现自组织聚类，且由于算法中每只蚂 本集分成若干个簇，每个簇内文本的相似性较大，而簇 蚁的并行独立行为，使算法具有高效性与健壮性；另 间文本的相似性较小。由于该项技术的出现使计算机 外，由于蚂蚁在一个平面上实现聚类，因而对高维数据 处理大量的文本信息成为可能，从而达到协助人们更 的聚类增加了可视性。 好地对大规模文本进行理解，继而解决信息社