基于奇异值分解的新闻标题聚类研究

• 作者: 文晓艺 郝程程
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 汉语分词 词云图 奇异值分解 潜在语义分析 K-means聚类
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 42-46
• 页数: 5页
• 分类号: TP31
• 字数: 4485字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.02.009

摘要

汉语分词技术和文本聚类是自然语言处理的重要环节,在文本信息的组织、摘要和导航中应用广泛.文本聚类作为一种无监督学习算法,其依据是聚类假设:同类的文档相似程度大,不同类的文档相似程度小.文中主要研究汉语文本聚类算法在新闻标题类文本中的应用.首先对采集到的若干条新闻标题进行分词和特征提取,将分词后的文本转化为词条矩阵;然后使用TF-IDF技术处理词条矩阵,得到基于分词权重的新的词条矩阵,对新的词条矩阵进行奇异值分解,得到主成分得分矩阵,提取主成分分析文本特征并根据主成分得分矩阵进行K-均值和分层聚类分析;最后将聚类结果用词云图的形式展示出来并评价聚类效果的好坏.实证显示,对词条矩阵的奇异值分解能降低向量空间的维数,提高聚类的精度和运算速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	文晓艺	上海对外经贸大学统计与信息学院	1	1	1.0	1.0
2	郝程程	上海对外经贸大学统计与信息学院	1	1	1.0	1.0