CAJ | 학술논문

针对传统文本聚类算法时间复杂度较高,而与距离无关的算法又不适用于动态、变化的文本集等问题,提出了一种基于语义序列的增量式文本软聚类算法.该算法考虑了长文本的多主题特性,并利用语义序列相似关系计算相似语义序列集合的覆盖度,同时将每次选择的具有最小熵重叠值的候选类作为一个结果聚类,这样在整个聚类的过程中大大减小了文本向量空间的维数,缩短了计算时间.由于所提算法的语义序列只与文本自身相关,所以它适用于增量式聚类.实验结果表明,算法的聚类精度高于同条件下的其他聚类算法,尤其适合于长文本集的软聚类.
침대전통문본취류산법시간복잡도교고,이여거리무관적산법우불괄용우동태、변화적문본집등문제,제출료일충기우어의서렬적증량식문본연취류산법.해산법고필료장문본적다주제특성,병이용어의서렬상사관계계산상사어의서렬집합적복개도,동시장매차선택적구유최소적중첩치적후선류작위일개결과취류,저양재정개취류적과정중대대감소료문본향량공간적유수,축단료계산시간.유우소제산법적어의서렬지여문본자신상관,소이타괄용우증량식취류.실험결과표명,산법적취류정도고우동조건하적기타취류산법,우기괄합우장문본집적연취류.