基于高性能特征选择函数的Web文档聚类算法  被引量:2

Web document clustering algorithm based on heigh performance feature selecting function

在线阅读下载全文

作  者:杨炳儒[1] 邵阔义[2] 宋泽锋[1] 张克君[1] 

机构地区:[1]北京科技大学知识工程研究所,北京100083 [2]北京银联商务有限公司,北京100048

出  处:《计算机应用研究》2009年第2期631-633,共3页Application Research of Computers

基  金:国家自然科学基金重点资助项目(69835001);国家科技成果重点推广计划资助项目(2003EC000001)

摘  要:目前常用向量空间模型VSM(vector space model)表示文档,造成的高维问题制约了其实际应用的效果。采用了一种高性能特征选择函数,在构建VSM时选取对区分类别贡献较大的特征词,因此有效地降低了特征空间的纬度,大大提高了系统的效率,改善了聚类的效果。通过真实数据集上的实验,证明其性能优于传统方法。Vector space model(VSM) is the mainly way to represent text,but,'heighly dimension' restricts the application of VSM.This paper constructed a heigh performance feature selecting function.Based on category resolve power,selected most valuble feature when constructed vector space.Based on the experiments on an real corpus,this Web document clustering algorithm has better efficiency than traditional algorithms.

关 键 词:文档聚类 WEB挖掘 特征选择 降维 

分 类 号:TP391.1[自动化与计算机技术—计算机应用技术]

 

参考文献:

正在载入数据...

 

二级参考文献:

正在载入数据...

 

耦合文献:

正在载入数据...

 

引证文献:

正在载入数据...

 

二级引证文献:

正在载入数据...

 

同被引文献:

正在载入数据...

 

相关期刊文献:

正在载入数据...

相关的主题
相关的作者对象
相关的机构对象