基于余弦距离选取初始簇中心的文本聚类研究

• 作者: 刘文芬 王彬宇 胡学先 魏江宏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 文本聚类 K-means算法 余弦相似度 余弦距离 初始点选取
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 热点与综述
• 页码范围: 11-18
• 页数: 8页
• 分类号: TP301
• 字数: 9688字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1802-0108

摘要

文本聚类是文本信息进行有效组织、摘要和导航的重要手段,其中基于余弦相似度的K-means算法是最重要且使用最广泛的文本聚类算法之一.针对基于余弦相似度的K-means算法改进方案设计困难,且众多优异的基于欧氏距离的K-means改进方法无法适用的问题,对余弦相似度与欧氏距离的关系进行探讨,得到标准向量前提下二者的转化公式,并在此基础上定义一种与欧氏距离意义相近关系紧密的余弦距离,使原有基于欧氏距离的K-means改进方法可通过余弦距离迁移到基于余弦相似度的K-means算法中.在此基础上理论推导出余弦K-means算法及其拓展算法的簇内中心点计算方法,并进一步改进了聚类初始簇中心的选取方案,形成新的文本聚类算法MCSKM++.通过实验验证,该算法在迭代次数减少、运行时间缩短的同时,聚类精度得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏江宏		5	36	3.0	5.0
2	刘文芬	桂林电子科技大学广西密码学与信息安全重点实验室	7	17	2.0	4.0
3	胡学先		3	19	2.0	3.0
4	王彬宇		2	16	2.0	2.0