基于K-means的政府公文聚类方法

• 作者: 施运梅 李建宏 王荻智
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 文本聚类 词频—逆文档频率 K-means算法
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 数据库与信息处理
• 页码范围: 201-204
• 页数: 4页
• 分类号: TP391
• 字数: 2840字
• 语种: 中文
• DOI: 10.11907/rjdk.192257

摘要

政府公文数量巨大,不同政府网站公文分类规则不一,在引用和参考公文时可能发生混淆.针对该问题,基于政府公文题目、摘要和正文内容,采用K-means算法对公文进行分类.首先对政府公文进行分词及去停用词等数据预处理操作,再通过词频—逆文档频率(TF-IDF)权值计算方法,将处理后的政府文本信息转换成二维矩阵,然后采用K-means算法进行聚类.使用清华大学THUCTC文本分类系统对公文聚类结果进行测试.实验结果表明,采用K-means算法对公文进行聚类,准确率达到82.93％,远高于政府网站公文分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施运梅	北京信息科技大学计算机学院	26	153	3.0	12.0
2	王荻智	北京信息科技大学计算机学院	1	0	0.0	0.0
3	李建宏	北京信息科技大学计算机学院	1	0	0.0	0.0