基于样本加权的文本聚类算法研究

摘要：

样本加权聚类算法是一种最近才引起人们注意的算法,还存在一些需要解决的问题,例如,聚类对象之间的结构信息对样本加权聚类是否有帮助,如何将结构信息自动转换为样本或对象的权重?针对该问题,本文以学术论文为聚类对象,以K-Means算法为聚类算法基础,利用论文之间的引用关系计算每篇论文的PageRank值,并将其作为权重,提出一种基于样本加权的新的文本聚类算法.实验结果表明,基于论文PageRank值加权的聚类算法能改善文本聚类效果.该算法可推广到网页的聚类中,利用网页的PageRank进行加权聚类,来改善网页的聚类效果.

关键词：文本聚类、样本加权聚类、PageRank、被引频次

所属期刊栏目：27

分类号：G35(情报学、情报工作)

资助基金：国家科技支撑计划重点项目2006BAH03B04;江苏省研究生培养创新工程项目

在线出版日期：2008-03-03（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：42-48