基于话题相似性改进的K-means新闻话题聚类

• 作者: 于亚男 徐建 胡建洪 陈龙
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: K-means算法 新闻话题检测 舆情监督 文本相似性 话题覆盖率
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 系统结构
• 页码范围: 1560-1565
• 页数: 6页
• 分类号: TP301.6
• 字数: 5549字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2017.08.021

摘要

新闻话题聚类在舆情监督、热点话题发现、突发事件实时追踪等领域有着重要的应用.基于K-means的文本聚类算法由于算法简单易实现,时空复杂度低,聚类效果优异等特点被广泛用作新闻话题聚类算法.但传统的K-means算法又具有其局限性,如对初始中心点的选择敏感和用户必须自定义分组K等,导致算法收敛于局部最优而无法得到全局最优解.针对传统的K-means算法中初始聚类中心点随机选择导致聚类结果不稳定的问题,提出了一种改进的K-means算法用于新闻话题检测,该算法基于新闻报道相似性选择初始聚类中心点,保证各新闻话题集群具有很好的区分度.并在此基础上,根据新闻话题覆盖率自动确定话题集群个数K.实验结果表明,改进后的算法能够生成稳定的,高质量的话题集群.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建	南京理工大学计算机科学与工程学院	62	241	8.0	12.0
2	陈龙	南京理工大学计算机科学与工程学院	13	41	4.0	5.0
3	于亚男	南京理工大学计算机科学与工程学院	1	4	1.0	1.0
4	胡建洪	南京理工大学计算机科学与工程学院	3	6	2.0	2.0