中文Web文档聚类算法研究

• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 后缀树 文本聚类 搜索引擎 STC-I STC
• 年，卷（期）: 2009,（20）
• 所属期刊栏目: 开发与应用
• 页码范围: 4759-4761
• 页数: 3页
• 分类号: TP391.1
• 字数: 2660字
• 语种: 中文

摘要

在STC算法的基础上,提出一种中文Web文档聚类算法STC-I,用以对检索结果进行在线高效地聚类.STC-I中,将文档集通过去同义词、近义词、相同句子的方法对文档进行降维处理,并通过计算查询关键字与文本的相似度,对参加聚类的文本打分的方法来降低STC的时间复杂度并提高STC聚类准确率.通过对STC-I与STC、AHC、K-Means算法从聚类的准确性和时间复杂度上进行比较,结果表明,STC-I算法在聚类的准确性和时间复杂度方面都较STC、AHC和K-Means算法好.