重复串特征提取算法及其在文本聚类中的应用

• 作者: 刘悦 程学旗 胡吉祥 许洪波
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 文本聚类 特征提取 重复串
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 软件技术与数据库
• 页码范围: 65-67
• 页数: 3页
• 分类号: TP312
• 字数: 4840字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2007.02.022

摘要

针对Web文档的高维问题及网络新语言给现有分词系统带来的挑战,该文提出一种基于重复串的特征提取方法,可以从文本中提取有意义的特征,且对于中文无需分词.实验表明,该方法可以降低特征空间维度,同时能有效改善传统以词为特征的聚类算法的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程学旗	中国科学院计算技术研究所	160	4858	31.0	67.0
2	许洪波	中国科学院计算技术研究所	42	988	14.0	31.0
3	刘悦	中国科学院计算技术研究所	56	565	12.0	22.0
4	胡吉祥	中国科学院计算技术研究所	2	64	2.0	2.0