一种结合GAAC和K-means的维吾尔文文本聚类算法

• 作者: 吐尔地·托合提 米也塞·艾尼玩 艾斯卡尔·艾木都拉 艾海麦提江·阿布来提
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 维吾尔文 文本聚类 K-means GAAC 结合算法
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 数据挖掘
• 页码范围: 149-155
• 页数: 7页
• 分类号: TP393
• 字数: 5916字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2013.07.025

摘要

介绍了K-means和GAAC聚类算法思想和两种特征提取方法对维吾尔文文本表示及聚类效率的影响.在较大规模文本语料库基础上,分别用K-means和GAAC的方法进行维吾尔文文本聚类实验及性能对比分析,针对经典K-means算法对初始聚类中心的过分依赖性及不稳定性缺点以及GAAC的高计算复杂性,提出了一种结合GACC和K-means的维吾尔文聚类算法.本算法分两步完成聚类操作,首先是GAAC模块从少量文本集中获取最优的初始类中心,然后是K-means模块对大量文本集进行快速聚类.实验结果表明,新算法在聚类准确率和时间复杂度上都有了显著的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	艾斯卡尔·艾木都拉	新疆大学信息科学与工程学院	170	561	11.0	15.0
2	吐尔地·托合提	新疆大学信息科学与工程学院	19	115	7.0	10.0
3	艾海麦提江·阿布来提	新疆大学信息科学与工程学院	2	18	2.0	2.0
4	米也塞·艾尼玩	新疆大学信息科学与工程学院	1	8	1.0	1.0