10.3969/j.issn.1671-1122.2015.11.010
一种基于狄利克雷过程混合模型的文本聚类算法
随着互联网的普及,论坛、微博、微信等新媒体已经成为人们获取和发布信息的重要渠道,而网络中的这些文本数据,由于文本数目和内容的不确定性,给网络舆情聚类分析工作带来了很大的挑战。在文本聚类分析中,选择合适的聚类数目一直是一个难点。文章提出了一种基于狄利克雷过程混合模型的文本聚类算法,该算法基于非参数贝叶斯框架,可以将有限混合模型扩展成无限混合分量的混合模型,使用狄利克雷过程中的中国餐馆过程构造方式,实现了基于中国餐馆过程的狄利克雷混合模型,然后采用吉布斯采样算法近似求解模型,能够在不断的迭代过程中确定文本的聚类数目。实验结果表明,文章提出的聚类算法,和经典的K-means聚类算法相比,不仅能更好的动态确定文本主题聚类数目,而且该算法的聚类质量(纯度、F-score和轮廓系数)明显好于K-means聚类算法。
文本聚类、狄利克雷过程混合模型、非参数贝叶斯、吉布斯采样
TP309(计算技术、计算机技术)
国家科技支撑计划[2012BAH18B05];国家自然科学基金61272447
2015-11-27(万方平台首次上网日期,不代表论文的发表时间)
共6页
60-65