基于主题的Web文本聚类方法

doi:10.11772/j.issn.1001-9081.2014.11.3144

计算机应用 ›› 2014, Vol. 34 ›› Issue (11): 3144-3146.DOI: 10.11772/j.issn.1001-9081.2014.11.3144

• 2014年全国开放式分布与并行计算学术年会(DPCS 2014)论文 • 上一篇下一篇

基于主题的Web文本聚类方法

张万山,肖瑶,梁俊杰,余敦辉

湖北大学计算机与信息工程学院,武汉 430062

收稿日期:2014-07-29 修回日期:2014-08-08 出版日期:2014-11-01 发布日期:2014-12-01
通讯作者: 梁俊杰
作者简介:张万山(1973-),男,湖北武汉人,硕士,主要研究方向:Web信息挖掘;肖瑶(1987-),女,湖北武汉人,硕士,主要研究方向:Web信息挖掘;梁俊杰(1974-),女,湖北武汉人,副教授,博士,主要研究方向:数据分析、云计算;余敦辉(1974-), 男,湖北武汉人,副教授,博士,主要研究方向:服务计算、大数据。
基金资助:
国家自然科学基金资助项目;湖北省自然科学基金项目;武汉市科技攻关技术项目

Web text clustering method based on topic

ZHANG Wanshan,Xiaoyao ,LIANG Junjie,YU Dunhui

School of Computer and Information Engineering, Hubei University, Wuhan Hubei 430062, China

Received:2014-07-29 Revised:2014-08-08 Online:2014-11-01 Published:2014-12-01
Contact: LIANG Junjie

摘要/Abstract

摘要：

针对传统Web文本聚类算法没有考虑Web文本主题信息导致对多主题Web文本聚类结果准确率不高的问题,提出基于主题的Web文本聚类方法。该方法通过主题提取、特征抽取、文本聚类三个步骤实现对多主题Web文本的聚类。相对于传统的Web文本聚类算法,所提方法充分考虑了Web文本的主题信息。实验结果表明,对多主题Web文本聚类,所提方法的准确率比基于K-means的文本聚类方法和基于《知网》的文本聚类方法要好。

Abstract:

Concerning that the traditional Web text clustering algorithm without considering the Web text topic information leads to a low accuracy rate of multi-topic Web text clustering, a new algorithm was proposed for Web text clustering based on the topic theme. In the method, multi-topic Web text was clustered by three steps: topic extraction, feature extraction and text clustering. Compared to the traditional Web text clustering algorithm, the proposed method fully considered the Web text topic information. The experimental results show that the accuracy rate of the proposed algorithm for multi-topic Web text clustering is higher than the text clustering method based on K-means or HowNet.

中图分类号:

TP391.1

张万山肖瑶梁俊杰余敦辉. 基于主题的Web文本聚类方法[J]. 计算机应用, 2014, 34(11): 3144-3146.

ZHANG Wanshan Xiaoyao LIANG Junjie YU Dunhui. Web text clustering method based on topic[J]. Journal of Computer Applications, 2014, 34(11): 3144-3146.

参考文献

[1]MENG X. Research on Web text clustering and retrieval technology [D]. Harbin: Harbin Institute of Technology, 2009:1-10.(孟宪军.互联网文本聚类与检索技术研究[D].哈尔滨:哈尔滨工业大学,2009:1-10.)
[2]LI Y. Text document clustering based on frequent word meaning sequences [J]. Data and Knowledge Engineering, 2008, 64(1):381-404.
[3]YI B, WANG Y, CHEN X, et al. Extracting hot topics from microblogging based on keywords detection and text clustering[J]. Applied Mechanics and Materials, 2013, 303-306:2289-2293.
[4]CUI D. Research and improvement on K-means clustering algorithm [D]. Hefei: Anhui University, 2012:1-5.(崔丹丹.K-means聚类算法的研究与改进[D].合肥:安徽大学,2012:1-5.)
[5]LI X. A new text clustering algorithm based on improved k_means[J]. Journal of Software, 2012, 7(1):95-101.
[6]GUPTA N, SAXENA P C, GUPTA J P. Automatic generation of initial value k to apply K-means method for text documents clustering [J]. International Journal of Data Mining, Modelling and Management, 2011, 3(1):18-41.
[7]ZHAO P, CAI Q. Research of Chinese text clustering algorithm based on HowNet[J]. Computer Engineering and Applications, 2007, 43(12):162-163.(赵鹏,蔡庆生,一种基于《知网》的中文文本聚类算法的研究[J].计算机工程与应用,2007,43(12):162-163.)
[8]ZHENG Y, SHU J, CHUN L, et al. A text hybrid clustering algorithm based on HowNet semantics [J]. Key Engineering Materials, 2011, 474-476:2071-2078.
[9]ZHAO S, LIU T, LI S. A topical document clustering method[J]. Journal of Chain Information Processing, 2007, 21(2):58-62.(赵世奇,刘挺,李生.一种基于主题的文本聚类算法[J].中文信息学报,2007,21(2):58-62.)
[10]YUAN X. A topic-based Web text clustering algorithm[J]. Journal of Chengdu University: Natural Science, 2010, 29(3):249-252.(袁晓峰. 一种基于主题的Web文本聚类算法[J]. 成都大学学报: 自然科学版, 2010, 29(3):249-252.)
[11]DONG J. Document clustering method based on LDA model[D]. Wuhan: Central China Normal University, 2012: 25-41.(董婧灵.基于LDA模型的文本聚类研究[D].武汉:华中师范大学, 2012:25-41.)
[12]MAO J. Research of Chinese Web text clustering technology[D]. Xiamen: Xiamen University, 2007:11-12.(茅剑.中文Web文本聚类研究[D].厦门:厦门大学, 2007:11-12.)
[13]KWALE F M. A critical review of k means text clustering algorithm[J]. International Journal of Advanced Research in Computer Science, 2013, 4(9):27-34.

[1]	殷雨昌王洪元陈莉冯尊登肖宇. 基于单标注样本的多损失学习与联合度量视频行人重识别[J]. 计算机应用, 0, (): 0-0.
[2]	左亚尧陈致然洪嘉伟陈坤. 融合多语义特征的命名实体识别方法[J]. 计算机应用, 0, (): 0-0.
[3]	袁景凌, 丁远远, 潘东行, 李琳. 基于时序和上下文特征的中文隐式情感分类模型[J]. 计算机应用, 2021, 41(10): 2820-2828.
[4]	杨书新, 张楠. 融合情感词典与上下文语言模型的文本情感分析[J]. 计算机应用, 2021, 41(10): 2829-2834.
[5]	杨璐, 何明祥. 基于门控机制和卷积神经网络的中文文本情感分析模型[J]. 计算机应用, 2021, 41(10): 2842-2848.
[6]	董永峰, 刘超, 王利琴, 李英双. 融合多跳关系路径信息的关系推理方法[J]. 计算机应用, 2021, 41(10): 2799-2805.
[7]	吴赛赛, 梁晓贺, 谢能付, 周爱莲, 郝心宁. 面向领域实体关系联合抽取的标注方法[J]. 计算机应用, 2021, 41(10): 2858-2863.
[8]	胡婕胡燕刘梦赤张龑. 基于知识库实体增强BERT模型的中文命名实体识别[J]. 计算机应用, 0, (): 0-0.
[9]	郝志刚秦丽李国亮. 基于多属性综合评价的食品安全标准引用网络重要节点发现方法[J]. 计算机应用, 0, (): 0-0.
[10]	丁行硕李翔谢乾. 基于标签分层延深建模的企业画像构建方法[J]. 计算机应用, 0, (): 0-0.
[11]	刘子辰, 李小娟, 韦伟. 基于循环神经网络的专利价格自动评估[J]. 计算机应用, 2021, 41(9): 2532-2538.
[12]	余敦辉, 万鹏, 王社. 基于企业知识图谱构建的实体关联查询系统[J]. 计算机应用, 2021, 41(9): 2510-2516.
[13]	张阳王小宁. 基于Word2Vec词嵌入和高维生物基因选择遗传算法的文本特征选择方法 [J]. 计算机应用, 0, (): 0-0.
[14]	李灿杨雅婷马玉鹏董瑞. 基于语种相似性挖掘的神经机器翻译语料库扩充方法[J]. 计算机应用, 0, (): 0-0.
[15]	王伟, 赵尔平, 崔志远, 孙浩. 基于HowNet义原和Word2vec词向量表示的多特征融合消歧方法[J]. 计算机应用, 2021, 41(8): 2193-2198.

基于主题的Web文本聚类方法

Web text clustering method based on topic

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics