基于关联规则的Web文档聚类算法

• 作者: 宋擒豹 沈钧毅
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 文档聚类 关联规则 Web挖掘 WWW
• 年，卷（期）: 2002,（3）
• 页码范围: 417-423
• 页数: 7页
• 分类号: TP311
• 字数: 4334字
• 语种: 中文

摘要

Web文档聚类可以有效地压缩搜索空间,加快检索速度,提高查询精度.提出了一种Web文档的聚类算法.该算法首先采用向量空间模型VSM(vector space model)表示主题,根据主题表示文档;再以文档为事务,以主题为事务项,将文档和主题间的关系看作事务的形式,采用关联规则挖掘算法发现主题频集,相应的文档集即为初步文档类;然后依据类间距离和类内连接强度阈值合并、拆分类,最终实现文档聚类.实验结果表明,该算法是有效的,能处理文档类间固有的重叠情况,具有一定的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	沈钧毅	西安交通大学计算机科学与技术系	211	4319	32.0	55.0
2	宋擒豹	西安交通大学计算机科学与技术系	41	1725	19.0	41.0