基于关联规则的文本聚类算法的研究

摘要：

K-均值聚类算法是目前一种较好的文本分类算法,算法中的相似度计算通常基于词频统计,小文档或简单句子由于词频过小,使用该算法聚类效果较差.为此,提出了一种基于词语关联度的相似度计算算法,对简单文档集执行关联规则算法,得出基于关键词的关联规则,并根据这些规则求得词语关联度矩阵,然后由权重对文本进行文本特征向量表示,最后借助于关联度矩阵和文本特征向量,并按一定算法计算出句子相似度.实验证明该算法可得到较好的聚类结果,且其不仅利用词频统计的方法而且考虑了词语间的关系.

关键词：文本挖掘、K-均值聚类、关联规则、权重

所属期刊栏目：25

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金60573065;国家高技术研究发展计划863计划2002AA4Z3240;教育部的世行贷款--21世纪初高等教育教学改革资助项目1283B0843

在线出版日期：2008-05-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：986-988