共 3 条
[3]
一种基于自组织神经网络的中文文本聚类新方法[J]. 徐建锁,王正欧,王莉.情报学报. 2003 (06)
基于LSI和自组织神经网络的高效文本聚类方法
被引：8
作者：
徐建锁
王正欧
机构：
[1] 天津大学系统工程研究所
[2] 天津大学系统工程研究所 天津
[3] 天津
来源：
关键词：
文本聚类;
隐含语义索引;
奇异值分解;
自组织神经网络;
向量空间模型;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.
引用
收藏
页码：1026 / 1030
页数：5
相关论文