基于改进的聚类平均信息量文本数据挖掘算法研究

• 作者: 金菁
• 来源期刊: 计算机应用研究
• 关键词: 文本分类 层次聚类 信息量 仿真
• 年，卷（期）: 2012,（3）
• 所属期刊栏目: 系统应用开发
• 页码范围: 981-983
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.03.049

摘要

研究了文本挖掘精确度问题.针对传统的聚类文本分类算法在文本分类中存在高维性和稀疏性,特别是同义词和近义词难以进行分类,使得分类的精确度低等问题,提出了一种聚类平均信息量文本分类算法.算法从信息论观点分析文本空间向量,将文本看做一个信息源,通过求得该信息源的各个特征的次数来积累文本信息量,以领域特征明显的词和短语作为聚类对象,然后采用层次平均信息量进行特征提取.仿真实验结果表明,提出的算法能够有效地提取文本信息,提高了文本分类的精度,具有一定的实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金菁	北京理工大学软件学院	2	15	2.0	2.0