基于信息論的特征加權和主題驅動協同聚類算法研究.pdf

1、文本數據常用文檔-詞二維共現矩陣表示，大多數傳統(tǒng)聚類算法屬于單向聚類，即要么是對樣本進行聚類，要么是對特征進行聚類，沒有考慮到樣本和特征之間自然存在的相互關系。尤其對高維、稀疏、帶噪聲數據，傳統(tǒng)單向聚類方法在精度上很難滿足實際需求。
　　基于信息論的協同聚類算法從信息論的角度捕獲了行列之間自然關系，同時從行向和列向進行聚類，相互協助、相互約束，對高維、稀疏數據也能起到高效聚類的效果。但該方法也存在一些不足，如沒有考慮特征的重要性，

2、另外該方法是一個無監(jiān)督的學習過程，聚類后簇的可解釋性不強，在聚類精度上也有提高的空間等。本文在基于信息論的協同聚類算法以及參考已有研究方法的基礎上，做了兩點探索性改進，即在原有無監(jiān)督聚類的基礎上，引入了主題知識，并對特征進行了加權處理。提出了無監(jiān)督的特征加權的協同聚類算法和半監(jiān)督的主題驅動的協同聚類算法兩個改進算法。特征加權協同聚類算法用互信息計算特征權值，突出有效特征的重要性，在聚類精度和運行時間上得到了提高。在主題驅動的協同聚類算法