一种基于语义内积空间模型的文本聚类算法

• 作者: 付艳 唐世渭 彭京 杨冬青 蒋汉奎
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 内积空间 文本聚类 概念相似度 相似计算 数据挖掘
• 年，卷（期）: 2007,（8）
• 所属期刊栏目: 聚类
• 页码范围: 1354-1363
• 页数: 10页
• 分类号: TP181
• 字数: 10122字
• 语种: 中文
• DOI: 10.3321/j.issn:0254-4164.2007.08.017

摘要

现有数据聚类方法在处理文本数据,尤其是短文本数据时,由于没有考虑词之间潜在存在的相似情况,因此导致聚类效果不理想.文中针对文本数据高维度和稀疏空间的特点,提出了一种基于语义内积空间模型的文本聚类算法.算法首先利用内积空间的定义建立了针对中文概念、词和文本的相似度度量方法,然后从理论上进行了分析.最后通过一个两阶段处理过程,即向下分裂和向上聚合,完成文本数据的聚类.该方法成功用于中文短文本数据的聚类.实验表明相对于传统方法,文中提供的方法聚类质量更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐世渭	北京大学信息科学技术学院	103	4937	32.0	70.0
2	彭京	北京大学信息科学技术学院	7	267	7.0	7.0
4	杨冬青	北京大学信息科学技术学院	97	4962	32.0	70.0
5	蒋汉奎	成都市公安局信息通信处	7	135	4.0	7.0
8	付艳	北京大学信息科学技术学院	2	109	1.0	2.0