一种基于语义内积空间模型的文本聚类算法

被引：46

作者：

彭京 ^{[1
]}

杨冬青 ^{[1
]}

唐世渭 ^{[1
]}

付艳 ^{[1
]}

蒋汉奎 ^{[2
]}

机构：

[1] 北京大学信息科学技术学院

[2] 成都市公安局信息通信处

来源：

计算机学报 | 2007年 / 08期

基金：

中国博士后科学基金; 北京市自然科学基金;

关键词：

内积空间; 文本聚类; 概念相似度; 相似计算; 数据挖掘;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

现有数据聚类方法在处理文本数据,尤其是短文本数据时,由于没有考虑词之间潜在存在的相似情况,因此导致聚类效果不理想.文中针对文本数据高维度和稀疏空间的特点,提出了一种基于语义内积空间模型的文本聚类算法.算法首先利用内积空间的定义建立了针对中文概念、词和文本的相似度度量方法,然后从理论上进行了分析.最后通过一个两阶段处理过程,即向下分裂和向上聚合,完成文本数据的聚类.该方法成功用于中文短文本数据的聚类.实验表明相对于传统方法,文中提供的方法聚类质量更好.

引用

页码：1354 / 1363

页数：10