基于群体智能的半结构化藏文文本聚类算法

• 作者: 乔少杰 尼玛扎西 康健 格桑多吉 洪西进 范小刚 韩楠
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 群体智能 藏文 聚类分析 群体相似度
• 年，卷（期）: 2014,（7）
• 所属期刊栏目: 研究与应用
• 页码范围: 663-671
• 页数: 9页
• 分类号: TP311
• 字数: 7017字
• 语种: 中文

摘要

将群体智能技术应用于半结构化的藏文Web文本聚类,提出基于群体智能的半结构化藏文Web文本聚类算法( SCAST).充分考虑群体智能技术对藏文文本聚类准确性和时间效率的影响,SCAST算法首先运用向量空间模型表示藏文文本信息,将藏文文本和智能蚁群随机放置于一个文本向量空间中.然后智能蚂蚁随机选择藏文文本,计算藏文文本在当前局部区域内的相似性,获得拾起或者放下文本的概率,进而决定是否“拾起”,“移动”,“放下”藏文文本.最后通过多次迭代训练,将藏文文本按其相似性聚集在一起,得到最终聚类结果.大量真实藏文Web文本数据上的实验结果表明,相较于传统的κ-means聚类算法,基于群体智能的藏文文本聚类算法在聚类准确率上平均提高约8.0%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	格桑多吉	西藏大学工学院	36	231	8.0	14.0
2	乔少杰	西南交通大学信息科学与技术学院	20	339	10.0	18.0
3	尼玛扎西	西藏大学工学院	38	104	7.0	9.0
4	康健	西南交通大学信息科学与技术学院	11	57	4.0	7.0
5	韩楠	西南交通大学生命科学与工程学院	5	198	5.0	5.0
6	洪西进	西南交通大学信息科学与技术学院	3	12	1.0	3.0
7	范小刚	西南交通大学信息科学与技术学院	1	12	1.0	1.0