基于LSI理论的文本自动聚类研究  

Automatic Text Clustering Based on Latent Semantic Index Theory

作　　者：常娥[1,2] 

机构地区：[1]东南大学图书馆,南京210096 [2]东南大学科技情报研究所,南京210096

出　　处：《图书情报工作》2012年第11期89-92,共4页Library and Information Service

基　　金：教育部人文社会科学基金项目"中文原生数字资源管理研究"(项目编号:08JC870002)研究成果之一

摘　　要：结合潜性语义索引(latent semantic index,LSI)理论和K-means聚类法,提出一种改进的文本自动聚类方法,即首先利用N-gram统计法抽取文档关键词,并应用潜性语义索引LSI对构建文档的向量空间模型进行降维,然后采用K-means算法进行文本聚类。实验表明,该算法进行文本聚类的准确度最高可达84.7%。An improved method of automatic text clustering is proposed based on latent semantic indexing（LSI） theory and the K- means clustering method. Firstly, the documents keywords are extracted by using N-gram statistics method. Secondly, the document vector space model is constructed and reduced by using latent semantic indexing. Finally, the documents are clustered by using K- means clustering algorithm. The test results show that the text clustering accuracy is up to 84.7%

关 键 词：文本聚类 LSI模型N—gram算法K-means算法 

分 类 号：TP391.1[自动化与计算机技术—计算机应用技术]