基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统文本聚类算法中存在语义相似度计算向量维度高、忽视特征词词频、位置、词距和语义缺失等问题,提出了一种基于词向量和多特征语义距离的文本聚类算法(M-W2-KS).首先使用Word2Vec训练语料库中的所有特征词,以向量形式进行表征;然后综合考虑特征词的词频、位置、词距信息以及特征词间的欧式距离,计算文本间的语义相似度,并将其应用到K-means算法中,实现文本的聚类.实验结果表明,运用M-W2-KS算法,可以有效提升聚类效果,使聚类结果更加准确.
推荐文章
基于语义列表的中文文本聚类算法
文本聚类
文本表示
语义列表
相似度计算
聚簇表示
基于多语义因子分层聚类的文本特征提取方法
语义
文本特征
分层聚类
词向量
融合LSI和支持向量聚类的网页文本分类算法
特征提取
潜在语义索引
网页文本
语义聚类
支持向量聚类
基于特征词向量的短文本聚类算法
短文本
特征词
词向量
相似度计算
聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于词向量和多特征语义距离的文本聚类算法
来源期刊 重庆科技学院学报(自然科学版) 学科 工学
关键词 文本聚类 词向量 特征向量 Word2Vec K-means
年,卷(期) 2019,(3) 所属期刊栏目 算法与计算机应用
研究方向 页码范围 69-72,77
页数 5页 分类号 TP391.1
字数 3749字 语种 中文
DOI 10.3969/j.issn.1673-1980.2019.03.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张贯虹 合肥学院计算机科学与技术系 17 38 3.0 6.0
2 张弛 合肥学院计算机科学与技术系 7 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (105)
共引文献  (42)
参考文献  (12)
节点文献
引证文献  (1)
同被引文献  (7)
二级引证文献  (0)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(6)
  • 参考文献(1)
  • 二级参考文献(5)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(11)
  • 参考文献(0)
  • 二级参考文献(11)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(10)
  • 参考文献(2)
  • 二级参考文献(8)
2013(11)
  • 参考文献(0)
  • 二级参考文献(11)
2014(11)
  • 参考文献(1)
  • 二级参考文献(10)
2015(11)
  • 参考文献(1)
  • 二级参考文献(10)
2016(12)
  • 参考文献(1)
  • 二级参考文献(11)
2017(5)
  • 参考文献(2)
  • 二级参考文献(3)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本聚类
词向量
特征向量
Word2Vec
K-means
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆科技学院学报(自然科学版)
双月刊
1673-1980
50-1174/N
大16开
重庆大学城
1995
chi
出版文献量(篇)
4247
总下载数(次)
8
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导