关键语义信息补足的深度文本聚类算法

摘要：

针对大多数现有的深度文本聚类方法在特征映射过程中过于依赖原始数据质量以及关键语义信息丢失的问题,提出了 一种基于关键语义信息补足的深度文本聚类算法(DCKSC).该算法首先通过提取关键词数据对原始文本数据进行数据增强;其次,设计了 一个关键语义信息补足模块对传统的自动编码器进行改进,补足映射过程中丢失的关键语义信息;最后,通过综合聚类损失与关键词语义自动编码器的重构损失学习适合于聚类的表示特征.实验证明,提出算法在五个现实数据集上的聚类效果均优于当前先进的聚类方法.聚类结果证明了关键语义信息补足方法和文本数据增强方法对深度文本聚类的重要性.

关键词：深度文本聚类、表征学习、自动编码器、自监督聚类、数据增强

所属期刊栏目：40

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金62066007

在线出版日期：2023-06-27（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：1653-1659