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 发布日期:2014-12-01 出版日期:2014-11-01
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:2014-12-01 Published:2014-11-01
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]	张庆杨凡方宇涵. 基于多模态信息融合的中文拼写纠错算法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[2]	高颖杰, 林民, 斯日古楞null, 李斌, 张树钧. 基于片段抽取原型网络的古籍文本断句标点提示学习方法[J]. 《计算机应用》唯一官方网站, 2024, 44(12): 3815-3822.
[3]	王猛张大千周冰艳马倩影吕继东. 基于时序知识图谱补全的CTCS-3级列控车载接口设备故障诊断方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[4]	杨青朱焱. 改进语言规则中的表示的隐喻识别技术[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[5]	余婧陈艳平扈应黄瑞章秦永彬. 结合实体边界偏移的序列标注优化方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[6]	张伟牛家祥马继超沈琼霞. 深层语义特征增强的ReLM中文拼写纠错模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[7]	徐章杰陈艳平扈应黄瑞章秦永彬. 联合边界生成的多目标学习嵌套命名实体识别[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[8]	代震龙韩萌杨文艳朱诗能杨书蓉. 序列模式挖掘综述[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[9]	徐乐黄瑞章白瑞娜秦永彬. 基于意图正则化的深度半监督文本聚类[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[10]	彭一峰朱焱. 结合预处理方法和对抗学习的公平链接预测[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[11]	赵彪秦玉华田荣坤胡月航陈芳锐. 依赖类型及距离增强的方面级情感分析模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[12]	任登燃王淑营. 基于差分边界增强的风电装备嵌套实体识别模型[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[13]	田海燕黄赛豪张栋李寿山. 视觉指导的分词和词性标注[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[14]	帅健王中卿陈嘉沥. 基于代码生成的细粒度情感分析方法[J]. 《计算机应用》唯一官方网站, 0, (): 0-0.
[15]	姜雨杉, 张仰森. 大语言模型驱动的立场感知事实核查[J]. 《计算机应用》唯一官方网站, 2024, 44(10): 3067-3073.

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