融合语义资源和关键词的文本聚类

摘要：

融合关键词形式的属性层知识可有效提高文本聚类的聚类质量,但融合关键词的簇中心初始化仍是一个开放性问题.为此,提出一种融合语义资源和关键词的文本聚类方法.通过Wikipedia语义识别文本集的主题,采用基于资源分配的网络推断策略,通过文献协同关系发现潜在语义相关性,以选择最能代表各主题的重要文档(初始簇中心),并利用软约束与测度学习相结合的策略融合关键词辅助文本聚类.在20Newsgourp文本集上的实验结果表明,与k-means和仅融合关键词的文本聚类方法相比,该方法可有效提升聚类质量,尤其在News_Different3数据集上标准互信息最多可提升约20％.

关键词：文本聚类、Wikipedia语义、簇中心初始化、网络推断、重要文档

所属期刊栏目：40

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目91130035;国家公益性行业科研专项基金资助项目200905030-2;山东省自然科学基金资助重点项目ZR2012FZ003;山东省自然科学基金资助项目ZR2012FQ017;青岛市科技计划基金资助项目13-1-4-12-jch,12-1-4-4-8-jch

在线出版日期：2014-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：223-227