基于MapReduce的改进k-means文本聚类算法

• 作者: 刘澎 陆介平
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: k-means算法 文本聚类 MapReduce
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 应用技术
• 页码范围: 201-205
• 页数: 5页
• 分类号: TP391
• 字数: 5597字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2016.11.050

摘要

针对传统k-means文本聚类算法在处理大规模文本数据时扩展性不足的问题,提出了基于MapReduce编程模型的并行k-means文本聚类算法.通过删除离群点和采用高效的初始质心选择策略提高k-means聚类效果,并设计基于MapReduce框架的大规模文本并行聚类模型提高算法的可扩展性.实验证明,该算法在大规模文本聚类中具有良好的聚类效果和可扩展性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆介平	江苏科技大学计算机科学与工程学院	10	51	4.0	7.0
2	刘澎	江苏科技大学计算机科学与工程学院	1	4	1.0	1.0