一种基于DASOM的两阶段中文文本聚类方法

被引：4

作者：

朱红灿

唐毅

机构：

[1] 湘潭大学管理学院

来源：

情报杂志 | 2007年 / 09期

关键词：

中文文本; 文本聚类; 动态自组织神经网络(DASOM); 向量空间模型;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

研究了一种基于动态自组织神经网络(The Dynamic Adaptive Self-Organizing Map Neural Network简称:DA-SOM)的两阶段中文文档聚类方法,第一阶段对中文文本向量进行DASOM训练,第二阶段对虚拟的坐标集聚类。该算法动态地组织DASOM,由文本的内容来决定模型的结构;与直接聚类相比,降低了计算时间;与基于静态SOM文本聚类相比,减少了输出层节点数,改善了聚类效果。通过数值实验对比表明该方法对中文文本聚类具有有效性。

引用

页码：101 / 104

页数：4