结合LSA的中文谱聚类算法研究

• 作者: 张玉芳 暴自强 李智星 熊忠阳
• 来源期刊: 计算机应用研究
• 关键词: 文本聚类 潜在语义分析 奇异值分解 谱聚类
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 917-918
• 页数: 2页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.03.030

摘要

传统的文本谱聚类需要的文本相似矩阵依赖于向量空间模型,忽略了词与词之间的语义关系,存在词频维数过高、计算代价高等问题.针对这些问题,提出了一种基于潜在语义分析(latent semantic analysis,LSA)的文本相似矩阵构造方法,利用奇异值分解(singular value decomposition,SVD)降维,在低维的语义空间表示文本,以此来提高同类文本间的语义相似度,并进行了相关对比实验.在该实验中,改进方法的聚类效果要好于传统的方法,从而验证了改进方法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊忠阳	重庆大学计算机学院	135	2447	25.0	44.0
2	张玉芳	重庆大学计算机学院	125	2737	26.0	48.0
3	暴自强	重庆大学计算机学院	1	9	1.0	1.0
4	李智星	重庆大学计算机学院	4	33	4.0	4.0