一种改进的基于广义后缀树的文本聚类算法

• 作者: 刘南平 吴涛 夏克文 杜红斌
• 来源期刊: 信息与控制
• 关键词: 文本聚类 web挖掘 广义后缀树 后缀树聚类(STC)
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 论文报告
• 页码范围: 331-336
• 页数: 6页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2009.03.014

摘要

分析了基本STC算法存在的三个缺点,即不能有效处理包含文本数目差距较大但具有包含关系的节点,不能有效处理包含文本相似但主题不同的节点,缺乏有效的类别标识提取算法.针对以上问题,在综合考虑主题相似性以及文本包含相似性的基础上,给出了改进的用于基类合并的相似度公式,并提出了基于信息增益的类别标识提取算法.为了进一步提高聚类效率,给出了一种简单有效的用于基类选择的测度,用来排除一些无意义的广义后缀树节点.实验结果表明,所提算法不仅可以有效提高STC算法的聚类准确度,而且可以对聚类结果进行有效的类别标识.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘南平	河北工业大学信息工程学院	4	18	2.0	4.0
2	吴涛	河北工业大学信息工程学院	11	49	4.0	7.0
3	夏克文	河北工业大学信息工程学院	82	512	14.0	20.0
4	杜红斌	河北工业大学信息工程学院	4	64	3.0	4.0