一种适合检索词推荐的K-means算法最佳聚类数确定方法

被引：3

作者：

边鹏 ^{[1
,2
]}

赵妍 ^{[1
]}

苏玉召 ^{[1
,2
]}

机构：

[1] 中国科学院文献情报中心

[2] 中国科学院研究生院

来源：

图书情报工作 | 2012年 / 56卷 / 04期

关键词：

K-means聚类; 聚类数; 文本聚类; 个性化推荐;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

从嵌入式NSTL文本推荐系统的检索词推荐需求入手,分析原有方法的不足,引入共词分析方法和分化理论,提出一种新的最佳聚类数确定方法,改进最小类间距离和平均类内距离的计算方法,强化聚类结果的推荐效果,同时使推荐效果可以随着样本数据的变化而动态调整。最后,运用实验验证该方法的有效性。

引用

页码：107 / 111

页数：5

共 6 条

[1] 一种改进的K-means算法最佳聚类数确定方法 [J].

边鹏 ;

赵妍 ;

苏玉召 .

现代图书情报技术, 2011, (09) :34-40

[2] K-means算法最佳聚类数确定方法 [J].

周世兵 ;

徐振源 ;

唐旭清 .

计算机应用, 2010, 30 (08) :1995-1998

[3] 一种改进的全局K-均值聚类算法 [J].

谢娟英 ;

蒋帅 ;

王春霞 ;

张琰 ;

谢维信 .

陕西师范大学学报(自然科学版), 2010, (02) :18-22

[4] 共词分析法研究(一)——共词分析的过程与方式 [J].

钟伟金 ;

李佳 .

情报杂志, 2008, (05) :70-72

[5] 用于数据挖掘的聚类算法 [J].

姜园 ;

张朝阳 ;

仇佩亮 ;

周东方 .

电子与信息学报, 2005, (04) :655-662

[6] An examination of indexes for determining the number of clusters in binary data sets [J].

Dimitriadou, E ;

Dolnicar, S ;

Weingessel, A .

PSYCHOMETRIKA, 2002, 67 (01) :137-159

← 1 →