基于广泛相似度的维吾尔语文档分类方案

摘要：

针对维吾尔语文档自动分类问题,提出一种基于广泛相似度度量和K-means聚类的文档分类方案.将维吾尔语文档进行预处理,通过词频-逆向文档频率(TF-IDF)算法获得关键词集合;利用提出的广泛相似度度量,通过考虑与语料库中其它文档之间的距离,计算文档间的相似度;基于广泛相似度构建一个集群距离矩阵,获得一组基础集群;将基础集群的中心作为K means聚类的初始中心,完成所有文档的聚类.实验结果表明,该方案具有较高的分类精度和较低的计算时间.

关键词：维吾尔语、文档分类、广泛相似度、K-means聚类、词频-逆向文档频率

所属期刊栏目：38

分类号：TP311(计算技术、计算机技术)

资助基金：新疆维吾尔自治区自然科学基金科研基金项目2015211A016

在线出版日期：2017-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1686-1690,封3