一种结合主动学习的半监督文档聚类算法

• 作者: 史忠植 李志清 赵卫中 马慧芳
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 半监督聚类 文档聚类 主动学习 成对约束
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1486-1499
• 分类号: TP181
• 字数: 10831字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2012.04073

摘要

半监督文档聚类,即利用少量具有监督信息的数据来辅助无监督文档聚类,近几年来逐渐成为机器学习和数据挖掘领域研究的热点问题.由于获取大量监督信息费时费力,因此,国内外学者考虑如何获得少量但对聚类性能提高显著的监督信息.提出一种结合主动学习的半监督文档聚类算法,通过引入成对约束信息指导DBSCAN的聚类过程来提高聚类性能,得到一种半监督文档聚类算法Cons-DBSCAN.通过对约束集中所含信息量的衡量和对DBSCAN算法本身的分析,提出了一种启发式的主动学习算法,能够选取含信息量大的成对约束集,从而能够更高效地辅助半监督文档聚类.实验结果表明,所提出的算法能够高效地进行文档聚类.通过主动学习算法获得的成对约束集,能够显著地提高聚类性能.并且,算法的性能优于两个代表性的结合主动学习的半监督聚类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史忠植	中国科学院计算技术研究所智能信息处理重点实验室	232	9166	52.0	89.0
2	马慧芳	西北师范大学数学与信息科学学院	59	520	12.0	21.0
4	赵卫中	湘潭大学信息工程学院	6	249	4.0	6.0
10	李志清	湘潭大学信息工程学院	4	79	4.0	4.0