一种新的Web中文文本聚类方法研究

• 作者: 代劲 叶宇飞 安世全
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Web文本聚类 特征降维 知网 文本相似度
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 数据库技术
• 页码范围: 222-225,287
• 页数: 5页
• 分类号: TP391.1
• 字数: 3583字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2013.12.058

摘要

传统的文本聚类缺少语义信息，文本的特征向量高维稀疏，忽略了Web文本的特殊性。为了解决这些问题，提出一种Web中文文本聚类方法。在基于知网（HowNet）的概念空间基础上过滤非名词，分析文本中重要词汇的语义，对标签特征集与正文特征集进行特征集聚类，再利用改进的TF-IDF算法选取两个集合中的特征，最终将文本表示为选取的标签特征集与正文特征集的并集，降低了特征的维度，高效地表示了文本。通过实验验证了其有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安世全	重庆邮电大学移通学院	46	394	10.0	19.0
2	代劲	重庆大学计算机科学与技术学院	6	90	6.0	6.0
3	叶宇飞	重庆邮电大学计算机科学与技术学院	1	6	1.0	1.0