|
|||||
|
|
| 基于改进BIRCH聚类算法的评价对象挖掘 | |
| 作者单位： | ;1.天津市智能计算及软件新技术重点实验室天津理工大学;2.计算机视觉与系统省部共建教育部重点实验室天津理工大学 |
| 摘 要： | 本文对于意见挖掘领域中的评价对象的修剪和聚类问题,提出使用K-means聚类算法和BIRCH聚类算法相结合的方式来进行评价对象的修剪和聚类。利用BIRCH算法类别聚类的功能对评价对象进行聚类,并删除包含较少数据的簇来实现修剪评价对象;再通过对于剩下的簇使用K-means聚类算法来获得最优评价对象。这种修剪聚类方法与以往的基于PMI算法修剪然后基于K-means聚类算法相比,减少了评价对象修剪时对语料库的依赖,最终聚类的结果更加精准,而且BIRCH算法采用一次扫描数据库的策略,可以有效提高速度。 |
| 关 键 词： | 名词词组模式 BIRCH聚类算法 K-means聚类算法 PMI算法 |
Opinion Mining Based on BIRCH Clustering Algorithm |
|
| Abstract: | |
| Keywords: | |