基于混合并行遗传聚类的文本特征抽取方法研究  

Research on Text Feature Extraction Based on Hybrid Parallel Genetic Algorithm

作　　者：戴文华[1] 焦翠珍[1] 何婷婷[2] 

机构地区：[1]咸宁学院计算机系,咸宁437100 [2]华中师范大学计算机科学系,武汉430079

出　　处：《计算机科学》2008年第9期183-186,共4页Computer Science

基　　金：国家自然科学基金(No.60442005,No.60673040);国家社会科学基金(No.06BYY029);教育部重点研究项目(No.105117);湖北省教育厅科研重点项目(No.D200728002)

摘　　要：同义词和近义词现象以及强关联语义信息加大了文本向量的特征维数,对文本分类的效率和精度都会带来极大影响。为了有效降低文本向量的特征维数,提出一种基于混合并行遗传聚类的文本特征抽取方法。该方法首先使用K-means聚类算法进行特征词粗粒度聚类,然后采用混合并行遗传算法对各类特征词进行细粒度聚类,最后对各聚类中的特征词进行分析并压缩,得到最终能反映文本类别特征和语义信息的文本特征词集合。实验证明,该方法是一种有效的文本特征抽取方法,能切实提高文本分类的效率和精度。Issues of synonymy and strong relational semantic information increase the feature dimension of text vector, which embarrasses the efficiency and precision of text classification. In order to decrease the feature dimension of text vector, a method of text feature extraction based on hybrid parallel genetic clustering algorithm was proposed in this paper. Firstly, K-means algorithm is used to perform thick-granularity clustering for feature words. Successively, hybrid parallel genetic algorithm is used to perform thin-granularity clustering for feature words. Finally, Feature words in each cluster are analyzed and compressed to form feature word set which reflects the feature of text classes and semantic information. The experiments validate our method for text feature extraction is effective.

关 键 词：并行遗传算法 K-MEANS聚类 特征抽取 文本特征词 

分 类 号：TP311.13[自动化与计算机技术—计算机软件与理论] O242.23[自动化与计算机技术—计算机科学与技术]