|
|
1.
基于共识和分类改善文档聚类的识别信息方法
王留洋, 俞扬信, 陈伯伦, 章慧
计算机应用
2020, 40 (4):
1069-1073.
DOI: 10.11772/j.issn.1001-9081.2019091540
不同的聚类算法用于设计各自的策略，然而，每种技术在执行特定数据集时都有一定的局限性。选择恰当的识别信息方法（DIM）可确保文档聚类的进行。针对这些问题提出一种基于共识和分类的文档聚类（DCCC）的DIM。首先，选择识别信息最大化聚类（CDIM）作为数据集生成初始聚类的解决方法，并使用两种不同的CDIM方法生成两个初始聚集；其次，使用不同的参数方法对两初始聚集再进行初始化，通过簇标签信息间的关系建立共识，最大限度地提高文档的识别数总和；最后，选择识别文本权重分类（DTWC）作为文本分类器给共识分配新的簇标签，通过训练文本分类器更改基础分区，并根据预报标签信息生成最后的分区。采用8个网络数据集进行实验，选择BCubed的精度和召回率指标进行聚类验证。实验结果表明，所提出的共识分类方法的聚类结果优于对比方法的聚类结果。
参考文献 |
相关文章 |
多维度评价
|
|
