基于主题模型的K-均值文本聚类

• 作者: 李鸿 郑诚
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 主题模型 向量空间模型 文本聚类 K-均值算法
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 78-80,84
• 页数: 4页
• 分类号: TP311.5
• 字数: 3390字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2013.08.020

摘要

传统的向量空间模型表示文本的缺点是向量维数高,向量空间模型中一个文本是一个大的稀疏矩阵,计算文本之间的距离或者相似度时,算法的效率低,聚类效果不理想.在主题模型(Latent Dirichlet Allocation,LDA)中,将文本表示成主题(Topic)的概率分布,主题表示为词的概率分布.主题模型下,指定主题数目为T时,所有待聚类的文本都被表示成维数为T的向量.K-均值算法作为本文的聚类算法,并通过实验验证了主题模型的聚类效果要好于向量空间模型的聚类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑诚	安徽大学计算机科学与技术学院	103	1013	15.0	28.0
2	李鸿	安徽大学计算机科学与技术学院	1	9	1.0	1.0