利用本体技术的文本聚类模型

• 作者: 李少博 范通让 邸书灵
• 来源期刊: 河北省科学院学报
• 关键词: 本体 文本聚类 概念主题 WordNet
• 年，卷（期）: 2014,（2）
• 页码范围: 79-82
• 页数: 4页
• 分类号: TP391.12
• 语种: 中文

摘要

文本聚类作为一种自动化程度较高的无监督机器学习方法,能够实现对文本信息的有效组织、摘要和导航,近年来已经广泛应用在信息检索领域.笔者针对使用向量空间模型进行聚类时对于同义词和多义词的处理存在的缺陷,提出了基于本体的文本聚类模型.首先使用WordNet词典对文档中的词进行语义标注,得到文档的概念集合;然后对每个文档的概念集合进行概念聚类,生成文档的概念主题;最后通过计算主题的相似度完成文本聚类.该模型减少了相似度计算量,改善了聚类结果和聚类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范通让	石家庄铁道大学信息科学与技术学院	48	186	8.0	12.0
2	邸书灵	石家庄铁道大学信息科学与技术学院	29	126	7.0	10.0
3	李少博	石家庄铁道大学信息科学与技术学院	1	0	0.0	0.0