基于主题概念空间的文本模糊c-均值聚类方法

• 作者: 俞能海 吉翔华 邵正荣 陈超
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: TCS2FCM 主题概念空间 模糊c-均值聚类 文本聚类
• 年，卷（期）: 2007,（3）
• 页码范围: 439-442
• 页数: 4页
• 分类号: TP391
• 字数: 593字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2007.03.028

摘要

为了改善文本聚类的准确度,提出用基于主题概念子空间的模糊c-均值聚类(TCS2FCM)方法来分类文本.采用5个评估函数的加权值来提取关键短语;利用WordNet(R)对相应的关键短语提取概念短语并生成最后的类别描述.初始中心和初始隶属度矩阵的建立是决定模糊c-均值聚类效果的关键,使用能够代表文本主题的概念短语来建立相互正交的主题概念子空间,利用主题子空间中的概念向量来初始化聚类中心和隶属度矩阵.实验结果表明:不同于传统模糊c-均值聚类的随机化初始,与文本内容相关的初始化有助于改进最后的聚类结果,提高聚类精度.