基于改进K-means算法的时间和地点识别

• 作者: 廖涛 张鹏
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 事件要素识别 Canopy算法 K-MEANS算法 词性优化
• 年，卷（期）: 2017,（12X）
• 页码范围: 182-184
• 页数: 3页
• 分类号: TP391.1

摘要

事件要素识别主要包括时间要素和地点要素的识别。目前,时间和地点要素的识别主要是利用机器学习的方法,但是基于机器学习的方法容易受到语料稀疏性的影响。提出了基于改进K-means算法的时间和地点识别。该方法主要是对K-means算法进行改进,先利用Canopy算法求出聚类的K值,再根据改进的算法进行聚类分析,最后利用词性进行优化处理,并得到实验结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	廖涛	安徽理工大学计算机科学与工程学院	19	66	5.0	8.0
2	张鹏	安徽理工大学计算机科学与工程学院	6	4	1.0	2.0