基于高性能特征选择函数的Web文档聚类算法

• 作者: 宋泽锋 张克君 杨炳儒 邵阔义
• 来源期刊: 计算机应用研究
• 关键词: 文档聚类 Web挖掘 特征选择 降维
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 546-548
• 页数: 3页
• 分类号: TP391.9
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2009.02.044

摘要

目前常用向量空间模型VSM(vector space model)表示文档,造成的高维问题制约了其实际应用的效果.采用了一种高性能特征选择函数,在构建VSM时选取对区分类别贡献较大的特征词,因此有效地降低了特征空间的纬度,大大提高了系统的效率,改善了聚类的效果.通过真实数据集上的实验,证明其性能优于传统方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨炳儒	北京科技大学知识工程研究所	319	4361	32.0	49.0
2	张克君	北京科技大学知识工程研究所	14	123	6.0	11.0
3	宋泽锋	北京科技大学知识工程研究所	11	173	5.0	11.0
4	邵阔义		3	14	2.0	3.0