基于譜聚類的文本聚類算法研究.pdf

1、文本聚類屬于無(wú)監(jiān)督的機(jī)器學(xué)習(xí)方法，是自然語(yǔ)言處理領(lǐng)域的一大研究熱點(diǎn)，已成為文本信息進(jìn)行有效地組織、摘要和導(dǎo)航的必要環(huán)節(jié)。譜聚類是目前研究比較多、應(yīng)用十分廣泛的一種聚類算法，譜圖劃分理論是建立譜聚類算法的理論基礎(chǔ)，譜算法與k均值、EM算法等傳統(tǒng)的聚類分析算法相比，它能夠辨認(rèn)非凸?fàn)羁臻g分布的樣本數(shù)據(jù)，即譜算法可以在任意形狀分布的樣本空間上進(jìn)行聚類，且易得到全局最優(yōu)解。
　　論文詳細(xì)地描述了文本聚類的關(guān)鍵技術(shù)、譜聚類方法的理論基礎(chǔ)和經(jīng)典

2、的譜聚類算法等內(nèi)容，在深入研究譜聚類算法相關(guān)的國(guó)內(nèi)外文獻(xiàn)的基礎(chǔ)上，以構(gòu)造相似矩陣為切入點(diǎn)對(duì)傳統(tǒng)的譜聚類算法提出改進(jìn)方法。
　　傳統(tǒng)譜聚類算法在構(gòu)造相似矩陣時(shí)大多使用基于距離度量文本間相似性，論文分析了這種方法存在缺陷，探究了基于 K近鄰的相似性度量方法，并將其引入譜聚類算法中，提出KNNSC算法。另外，針對(duì)傳統(tǒng)譜聚類算法對(duì)輸入數(shù)據(jù)順序敏感的問(wèn)題，論文提出利用粒子群優(yōu)化算法執(zhí)行譜聚類算法最后的k-means聚類步驟，將粒子群優(yōu)化算法