| 快速混合Web文档聚类 |
| |
| 引用本文： | 杨瑞龙,朱庆生,谢洪涛.快速混合Web文档聚类[J].计算机工程与应用,2010,46(22):12-15. |
| |
| 作者姓名： | 杨瑞龙 朱庆生 谢洪涛 |
| |
| 作者单位： | 1. 重庆大学,计算机学院,重庆,400044
2. 重庆大学,计算机学院,重庆,400044;后勤工程学院,重庆,400016 |
| |
| 基金项目： | 国家科技支撑计划，重庆市科技支撑计划 |
| |
| 摘 要： | 提出了一种使用后缀树聚类算法优化K-means文档聚类初始值的快速混合聚类方法STK-means。该方法首先构建文档集的后缀树模型，使用后缀树聚类算法识别初始聚类、提取K-means聚类算法初始值中心值。然后，把后缀树模型的节点映射到M维向量空间模型中的特征项，利用TF-IDF方案计算基于短语的文档向量特征值。最后，使用K-means算法产生聚类结果。实验结果表明该方法优于传统K-means聚类算法和后缀树聚类算法，并具备了这些算法聚类速度快的优点。
|
| 关 键 词： | 聚类算法 K-means算法 后缀树 Web文档聚类 基于短语的相似度 |
| 收稿时间： | 2010-4-2 |
| 修稿时间： | 2010-5-28
|
Fast hybrid clustering for Web documents |
| |
| YANG Rui-long,ZHU Qing-sheng,XIE Hong-tao.Fast hybrid clustering for Web documents[J].Computer Engineering and Applications,2010,46(22):12-15. |
| |
| Authors: | YANG Rui-long ZHU Qing-sheng XIE Hong-tao |
| |
| Affiliation: | 1.College of Computer Science,Chongqing University,Chongqing 400044,China 2.Logistical Engineering University,Chongqing 400016,China) |
| |
| Abstract: | A fast hybrid clustering algorithm for Web documents clustering is proposed which optimizes the initial center val- ues of K-means algorithm through STC algorithm.Firstly,the initial center values are extracted after the Web document set is clustered by STC algorithm.Secondly,by mapping the each internal node of suffix tree into M-dimensional VSM,each fea- ture term weights is computed using TF-IDF extended with phrases.Finally, the final result is generated by K-means algo- rithm.The evaluation experiments indicate that the new hybrid algorithm is more effective on clustering documents than ordi- nary K-means and STC algorithm.Moreover,it is as fast as K-means and STC algorithm. |
| |
| Keywords: | clustering algorithms K-means algorithm suffix tree Web document clustering phrase-based similarity |
| 本文献已被 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
|
