基于LDA改进的K-means算法在短文本聚类中的研究

• 作者: 冯靖 王春东 莫秀良
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 短文本 LDA K-means聚类 Canopy聚类
• 年，卷（期）: 2018,（3）
• 页码范围: 7-11
• 页数: 5页
• 分类号: TP391.1
• 字数: 4278字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2018.03.002

摘要

在短文本聚类的过程中,常发现特征词的稀疏性质、高维空间处理的复杂性.由于微博的内容长度限制和特征稀疏性,特征向量的高维度被执行,导致模糊聚类结果.本文使用了Latent Dirichlet Allocation主题模型,对训练数据进行建模,并将主题术语扩展原始微博的特征,从而丰富了聚类文本特征,提高聚类效果.实验结合K-means和Canopy聚类算法对文本数据进行处理,提出了LKC算法,弥补了K-means算法对初始聚类中心点选取的敏感性,结果实现了更高的精度和聚类F1-measure的测量值.F1值提高了10％,准确度提高了2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王春东	天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室	68	388	11.0	17.0
2	莫秀良	天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室	20	142	6.0	11.0
3	冯靖	天津理工大学计算机科学与工程学院天津市智能计算及软件新技术重点实验室	1	6	1.0	1.0