基于核函数的改进k-means文本聚类

• 作者: 吴国文 张国锋
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: k-means 高斯核函数 TF-IDF 文本聚类
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 算法
• 页码范围: 281-284,301
• 页数: 5页
• 分类号: TP391.1
• 字数: 3350字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.09.049

摘要

通过对传统k-means算法优缺点的研究分析,提出一种改进的k-means聚类算法.随机初始化k/2个簇心,划分最大的簇并删除空簇,在更新簇心的同时判断簇心位置的合理性;及时对簇心做出修改,使得最后聚类出的k个簇中不会出现空簇;使用高斯核函数作为测量向量之间距离的方法,提高聚类的准确性.基于此改进的k-means算法,使用在不同网站上采集的文章作为数据源,并利用TF-IDF以及Word2Vec技术对文本进行向量化处理,进而完成对文本的聚类任务.与传统的k-means文本聚类相比,不仅提高了聚类的准确性,而且改善了传统k-means算法结果可能会出现空簇的缺陷.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴国文	东华大学计算机科学与技术学院	23	70	5.0	7.0
2	张国锋	东华大学计算机科学与技术学院	2	3	1.0	1.0