使用LSA降维的改进ART2神经网络文本聚类

• 作者: 徐晨凯 高茂庭
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: ART2神经网络 最近邻 隐含语义分析(LSA) 降维 文本聚类 聚类分析
• 年，卷（期）: 2014,（24）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 133-138,177
• 页数: 7页
• 分类号: TP183
• 字数: 7337字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1302-0109

摘要

针对文本数据高维度的特点和聚类的动态性要求，结合隐含语义分析（LSA）降维，提出一种改进的ART2神经网络文本聚类算法，通过LSA凸显文本和词条之间的语义关系，减少无用噪声，降低数据维度和计算复杂性；采用改进的折中学习方法，减少计算步骤，加快ART2神经网络计算速度，并利用最近邻动态重组方法提高ART2网络聚类的稳定性，减弱算法对样本输入顺序的依赖。实验表明，改进的文本聚类算法能有效地实现动态文本聚类。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高茂庭	上海海事大学信息工程学院	83	424	11.0	16.0
2	徐晨凯	上海海事大学信息工程学院	2	22	2.0	2.0