一种增长型自组织特征映射文本聚类方法  

A Growing Self-organizing Feature Map Text-based Clustering Method

作　　者：张颖超[1] 李继扬[1] 

机构地区：[1]南京信息工程大学信息与控制学院,南京210044

出　　处：《价值工程》2012年第16期167-168,共2页Value Engineering

基　　金：江苏省产学研联合创新资金-前瞻性联合研究资助项目(BY2011111);江苏省高校优势学科建设工程资助项目~~

摘　　要：为建设和谐文明的网络环境,提升对网络不良文本信息的识别和应对能力。文章使用一种新颖的基于增长型自组织特征映射(GSOFM)和潜在语义索引(LSI)相结合方法用于不良文本聚类。这两种算法的结合能够发现全局和局部的模式特点。实验在相同的条件下使用了这种新颖的模式并和单一的GSOFM相比较。实验结果证明:这种新的两种技术的结合与单一的GSOFM方法相比提高了聚类结果的精确性,缩短了计算时间,为网络不良文本聚类提供了一种较好的方法。To build a harmonious and civilized Internet environment,poor text messages on the network to enhance the recognition and response capabilities.Article uses a novel method based on growing self-organizing feature map（GSOFM） and latent semantic indexing（LSI） method for performing a combination of text clustering.The combination of these two algorithms to find global and local features of the model.Experiments under the same conditions used in this new model and a single GSOFM and compared.Experimental results show that：The new combination of two technologies compared with the single GSOFM method improves the accuracy of clustering results,reducing the computation time for performing text clustering network provides a better way.

关 键 词：增长型自组织特征映射 不良文本聚类 潜在语义索引 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]