快速混合Web文档聚类

摘要：

提出了一种使用后缀树聚类算法优化K-means文档聚类初始值的快速混合聚类方法STK-means.该方法首先构建文档集的后缀树模型,使用后缀树聚类算法识别初始聚类、提取K-means聚类算法初始值中心值.然后,把后缀树模型的节点映射到M维向量空间模型中的特征项,利用TF-IDF方案计算基于短语的文档向量特征值.最后,使用K-means算法产生聚类结果.实验结果表明该方法优于传统K-means聚类算法和后缀树聚类算法,并具备了这些算法聚类速度快的优点.

关键词：聚类算法、K-means算法、后缀树、Web文档聚类、基于短语的相似度

分类号：TP391(计算技术、计算机技术)

资助基金：国家科技支撑计划the National Key Technology R&D Program Foundation of China under Grant 2007BAH08B04;重庆市科技支撑计划the Chongqing Key Technology R&D Program Foundation of China under Grant 2008AC20084

在线出版日期：2010-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：12-15