一种结合主动学习的半监督文档聚类算法

被引：30

作者：

赵卫中 ^{[1
,2
]}

马慧芳 ^{[3
,2
]}

李志清 ^{[1
]}

史忠植 ^{[2
]}

机构：

[1] 湘潭大学信息工程学院

[2] 中国科学院计算技术研究所智能信息处理重点实验室

[3] 西北师范大学数学与信息科学学院

来源：

软件学报 | 2012年 / 23卷 / 06期

基金：

湖南省自然科学基金;

关键词：

半监督聚类; 文档聚类; 主动学习; 成对约束;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理]; TP311.13 [];

学科分类号：

081203 ; 0835 ; 1201 ;

摘要：

半监督文档聚类,即利用少量具有监督信息的数据来辅助无监督文档聚类,近几年来逐渐成为机器学习和数据挖掘领域研究的热点问题.由于获取大量监督信息费时费力,因此,国内外学者考虑如何获得少量但对聚类性能提高显著的监督信息.提出一种结合主动学习的半监督文档聚类算法,通过引入成对约束信息指导DBSCAN的聚类过程来提高聚类性能,得到一种半监督文档聚类算法Cons-DBSCAN.通过对约束集中所含信息量的衡量和对DBSCAN算法本身的分析,提出了一种启发式的主动学习算法,能够选取含信息量大的成对约束集,从而能够更高效地辅助半监督文档聚类.实验结果表明,所提出的算法能够高效地进行文档聚类.通过主动学习算法获得的成对约束集,能够显著地提高聚类性能.并且,算法的性能优于两个代表性的结合主动学习的半监督聚类算法.

引用

页码：1486 / 1499

页数：14

共 7 条

[1] 半监督聚类的若干新进展 [J].

李昆仑 ;

曹铮 ;

曹丽苹 ;

张超 ;

刘明 .

模式识别与人工智能, 2009, 22 (05) :735-742

[2] 密度敏感的半监督谱聚类 [J].

王玲 ;

薄列峰 ;

焦李成 .

软件学报, 2007, (10) :2412-2422

[3] Exploiting noun phrases and semantic relationships for text document clustering [J].

Zheng, Hai-Tao ;

Kang, Bo-Yeong ;

Kim, Hong-Gee .

INFORMATION SCIENCES, 2009, 179 (13) :2249-2262

[4] Harmony K-means algorithm for document clustering [J].

Mahdavi, Mehrdad ;

Abolhassani, Hassan .

DATA MINING AND KNOWLEDGE DISCOVERY, 2009, 18 (03) :370-391

[5]

An active learning framework for semi-supervised document clustering with language modeling[J] . Ruizhang Huang,Wai Lam.Data & Knowledge Engineering . 2008 (1)

[6]

Concept Decompositions for Large Sparse Text Data Using Clustering[J] . Inderjit S. Dhillon,Dharmendra S. Modha.Machine Learning . 2001 (1)

[7]

Less is More: Active Learning with Support Vector Machines .2 Schohn G,Cohn D. Proceedings of the Seventeenth International Conference on Machine Learning . 2000

← 1 →