中文词聚类研究

• 作者: 曾庆锐 胡和平 路松峰
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 中文词 词 聚类 词的临近空间 EM算法
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 研究与实现
• 页码范围: 122-124,142
• 页数: 4页
• 分类号: TP391
• 字数: 4239字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2006.01.041

摘要

词聚类是语言自动处理中一个重要的基础环节.针对中文词聚类研究中训练数据缺乏、质量不高而影响聚类效果这一主要障碍,本文提出一种面向中文的词聚类算法,算法以词的上下文分布相似度作距离量度;然后分析了仅依据距离量度进行中文词聚类的缺陷,提出词的临近空间概念,并根据词的临近空间概念进行聚类,使得在不用指定类的数目与大小的情况下,依靠词的内在语义进行聚类;最后,算法再将聚类结果作为计算相似度的依据,进行EM迭代聚类,使聚类结果得到明显优化.实验证明,算法有效地克服了中文训练数据的数量和质量问题,聚类结果好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡和平	华中科技大学计算机科学与技术学院	56	676	15.0	23.0
2	曾庆锐	华中科技大学计算机科学与技术学院	1	29	1.0	1.0
3	路松峰	华中科技大学计算机科学与技术学院	34	277	8.0	14.0