一种改进的基于潜在语义索引的文本聚类算法

doi:10.3969/j.issn.1006-2475.2014.07.005

计算机与现代化 ›› 2014, Vol. 0 ›› Issue (7): 24-27.doi: 10.3969/j.issn.1006-2475.2014.07.005

一种改进的基于潜在语义索引的文本聚类算法

(郑州科技学院信息工程学院，河南郑州 450064)

收稿日期:2014-04-21 出版日期:2014-07-16 发布日期:2014-07-17
作者简介:侯泽民(1983- )，男，河南信阳人，郑州科技学院信息工程学院助教，硕士，研究方向：数据库与数据挖掘，互联网与网络技术。
基金资助:
郑州市科技局自然科学基金资助项目(201210439)

An Improved Text Clustering Algorithm Based on Latent Semantic Indexing

(Department of Information Engineering, University for Science & Technology Zhengzhou, Zhengzhou 450064, China)

Received:2014-04-21 Online:2014-07-16 Published:2014-07-17

摘要/Abstract

摘要： 提出一种改进的基于潜在语义索引的文本聚类算法。算法引入潜在语义索引理论，改进传统的SOM算法。用潜在语义索引理论表示文本特征向量，挖掘文本中词与词之间隐藏的语义结构关系，从而消除词语之间的相关性，实现特征向量的降维。改进传统的SOM算法的局限性，准确给出聚类类别数目的值。实验结果表明，本算法的聚类效果更好，聚类时间更少。

关键词: 文本聚类, 潜在语义索引, 自组织映射

Abstract: This paper presents an improved text clustering algorithm based on latent semantic indexing. This algorithm introduces the theory of latent semantic index, improves the traditional SOM algorithm. By using the latent semantic indexing text feature vector representation theory, we mine the semantic structure relationships hidden among the words in text, thereby eliminating the correlation among words, to reduce the feature vector dimension. The limitations of the traditional SOM algorithm are improved to accurately give the number of clustering classes. Experimental results show that the clustering effect of this algorithm is better, and the clustering time is less.

Key words: text clustering, latent semantic index, self-organizing maps

中图分类号:

TP182

侯泽民，巨筱. 一种改进的基于潜在语义索引的文本聚类算法[J]. 计算机与现代化, 2014, 0(7): 24-27.

HOU Ze-min, JU Xiao. An Improved Text Clustering Algorithm Based on Latent Semantic Indexing[J]. Computer and Modernization, 2014, 0(7): 24-27.

参考文献

[1] 王礼礼. 基于潜在语义索引的文本聚类算法研究[D]. 成都:西南交通大学, 2008.

[2] 罗克刚. 基于自组织映射的文本聚类研究[D]. 哈尔滨:哈尔滨工业大学, 2007.

[3] 郭武斌,周宽久,张世荣. 基于潜在语义索引的SVM文本分类模型[J]. 情报学报, 2009,28(6):827-833.

[4] 廖一星. 一种新的监督潜在语义模型[J]. 计算机工程与应用, 2009,45(33):117-119.

[5] 常利伟. 基于多系统融合的潜在语义分析技术研究[D]. 沈阳:沈阳航空航天大学, 2013.

[6] 吴志媛. 基于潜在语义索引的Web文本挖掘[D]. 无锡:江南大学, 2013.

[7] 刘远超. 基于动态自组织映射模型的文本聚类研究[D]. 哈尔滨:哈尔滨工业大学, 2006.

[8] 刘旭政,张春荣,陈水生. 基于模糊神经网络的拉索耐久性评价模型[J]. 华东交通大学学报, 2010,27(2):8-12.

[9] 刘云峰. 基于潜在语义分析的中文概念检索研究[D]. 武汉:华中科技大学, 2005.

[10] Alahakoon D, Halgamuge S K, Srinivasan B. Dynamic self-organizing maps with controlled growth for knowledge discovery[J]. IEEE Transactions on Neural Networks, 2000,11(3):601-614.

[11] Jin Huidong, Shum Wing-Ho, Leung Kwong-Sak, et al. Expanding self-organizing map for data visualization and cluster analysis[J]. Information Sciences, 2004,163(1-3):157-173.

[12] 尹峻松,胡德文,陈爽,等. DSOM: 一种基于NO时空动态扩散机理的新型自组织模型[J]. 中国科学(E辑:信息科学), 2004,34(10):1094-1109.

[13] Pal S K, Dasgupta B, Mitra P. Rough self-organizing map[J]. Applied Intelligence, 2004,21(3):289-299.

[14] Hussin M F, Kamel M. Document clustering using hierarchical SOMATR neural network[C]// Proceedings of the 2003 IEEE International Joint Conference on Neural Networks. 2003,3:2238-2242.

[15] 刘远超,王晓龙,刘秉权. 一种改进的k-means文档聚类初值选择算法[J]. 高技术通讯, 2006,16(1):11-15.

[16] Hearst M A. TextTiling: Segmenting text into multi-paragraph subtopic passages[J]. Computational Linguistics, 1997,23(1):33-64.

[17] Ayad H, Kamel M. Topic discovery from text using aggregation of different clustering methods[C]// Proceedings of the 15th Conference of the Canadian Society for Computational Studies of Intelligence. 2002:161-175.

一种改进的基于潜在语义索引的文本聚类算法

An Improved Text Clustering Algorithm Based on Latent Semantic Indexing

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 7

编辑推荐

Metrics

本文评价

[1]	杨宜霖，刘臣宇，祁昌彬. 基于模糊变权组合预测模型的航材预测[J]. 计算机与现代化, 2019, 0(10): 40-.
[2]	李聪1，宋文龙2. 一种基于适应值分析的智能粒子群算法[J]. 计算机与现代化, 2015, 0(5): 21-24+70.
[3]	郭峰1，白松2，周斌1，王嫣3，李永涛2. 航空发动机需求预测[J]. 计算机与现代化, 2015, 0(2): 113-.
[4]	王灿灿1，赵逢禹1，王勇2. 插件式智能麻醉系统[J]. 计算机与现代化, 2014, 0(7): 94-97+103.
[5]	郑晓辉. 基于粒计算的粗糙集知识发现算法[J]. 计算机与现代化, 2013, 1(9): 38-41.
[6]	陈祥;洪福金;张贤坤. 基于案例推理的网络舆情辅助决策系统研究[J]. 计算机与现代化, 2012, 1(6): 13-16.
[7]	丁鼎;张帆;赵斌;阴红志. 基于Jess的智能诊断系统的设计与实现[J]. 计算机与现代化, 2009, 1(12): 189-192.