基于新型聚类算法Increase K-Means的Blog相似度分析

• 作者: 吴海华 曹冬林 李绍滋 林达真 柯逍
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: Increase K-Means K-Means 仿射传播 聚类 特征提取
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 研究论文
• 页码范围: 194-197
• 页数: 4页
• 分类号: TP391
• 字数: 3872字
• 语种: 中文
• DOI: 10.3321/j.issn:0438-0479.2009.02.010

摘要

针对现有聚类算法K-均值存在事先指定聚类类数及仿射传播存在计算复杂度偏高的缺陷,提出了一种新型的聚类算法Increase K-Means,并将其应用到Blog内容的相似度聚类分析中,较好地满足了社区发现和话题跟踪的需求.仿真结果表明:在Blog文本聚类分析中,Increase K-Means在时间上与K-Means相近,在精度上与仿射传播接近,适用于大规模网络文本的分析处理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李绍滋	厦门大学信息科学与技术学院	87	1292	20.0	34.0
2	曹冬林	厦门大学信息科学与技术学院	14	121	4.0	10.0
3	柯逍	厦门大学信息科学与技术学院	6	51	3.0	6.0
4	林达真	厦门大学信息科学与技术学院	7	52	3.0	7.0
5	吴海华	厦门大学信息科学与技术学院	1	3	1.0	1.0