基于改进相似度与类中心向量的半监督短文本聚类算法

摘要：

通过分析现有短文本聚类算法的缺陷,提出了一种基于改进相似度与类中心向量的半监督短文本聚类算法.首先,定义强类别区分度词,利用已加标数据的类别信息提取并构造强类别区分度词集合,并对基于初始特征的余弦相似度和基于强类别区分度词项的相似度进行有效融合,得到更加合理的改进的短文本相似度计算公式.然后,通过计算样本与类中心向量的相似度实现对未分类样本的正确划分,与此同时,更新加标数据集合、类中心向量,重新抽取强类别区分度词.重复这个过程,直到实现所有数据的类别划分.实验表明:与其他同类算法相比,本文算法在聚类准确性和时间效率上有了较大的改进.

关键词：强类别区分度、相似度、类中心向量、半监督聚类、短文本

所属期刊栏目：40

分类号：TP391.3(计算技术、计算机技术)

资助基金：国家自然科学基金61163039;甘肃省青年科技基金1606RJYA269,145RJYA259;甘肃省高等学校科研项目2015A-008;西北师范大学青年教师科研能力提升计划项目NWNU-LKQN-14-5,NWNU-LKQN-16-20

在线出版日期：2018-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1710-1716