一种基于语料特性的聚类算法

• 作者: 吴高巍 曾依灵 白硕 许洪波
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: CADIC(clustering algorithm based on the distributions of intrinsic clusters) 文本聚类 模型不匹配 重标度 信息检索
• 年，卷（期）: 2010,（11）
• 页码范围: 2802-2813
• 分类号: TP18
• 字数: 10557字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2010.03677

摘要

为寻求模型不匹配问题的一种恰当的解决途径,提出了基于语料分布特性的CADIC(clustering algorithm based on the distributions of intrinsic clusters)聚类算法.CADIC以重标度的形式隐式地将语料特性融入算法框架,从而使算法模型具备更灵活的适应能力.在聚类过程中,CADIC选择一组具有良好区分度的方向构建CADIC坐标系,在该坐标系下统计固有簇的分布特性,以构造各个坐标轴的重标度函数,并以重标度的形式对语料分布进行隐式的归一化,从而提高聚类决策的有效性.CADIC以迭代的方式收敛到最终解,其时间复杂度与K-means保持在同一量级.在国际知名评测语料上的实验结果表明,CADIC算法的基本框架是合理的,其聚类性能与当前领先水平的聚类算法相当.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许洪波		1	12	1.0	1.0
2	吴高巍		1	12	1.0	1.0
3	白硕		1	12	1.0	1.0