面向变异短文本的快速聚类算法

• 作者: 刘挺 胡晓光 车万翔 黄永光
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 人工智能 模式识别 检索 特征串 聚类
• 年，卷（期）: 2007,（2）
• 页码范围: 63-68
• 页数: 6页
• 分类号: TP391
• 字数: 6153字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2007.02.010

摘要

本文主要针对近些年来大量出现在聊天语言中和手机短信中的短文本,提出了一种快速有效的聚类算法.这些短文本由于具有不规范性和大量相似性等特点,我们称其为变异短文本.本文在原有的网页去重算法[1～3]的基础上,根据变异短文本的特点,采取了特定的特征串抽取方法,并融合了压缩编码的思想,从而加快了处理速度.实验表明,基于该算法的聚类系统对于大量的变异短文本处理速度可以达到每小时百万级以上,并且有比较高的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘挺	哈尔滨工业大学信息检索实验室	142	4348	34.0	63.0
2	车万翔	哈尔滨工业大学信息检索实验室	29	1137	12.0	29.0
3	胡晓光	哈尔滨工业大学信息检索实验室	22	608	12.0	22.0
4	黄永光	哈尔滨工业大学信息检索实验室	2	126	2.0	2.0