基于改进的潜在语义分析的文本聚类  

Text clustering based on improved latent semantic analysis

作　　者：宋涛[1] 施水才[1] 房祥[1] 吕学强[1] 

机构地区：[1]北京信息科技大学计算机学院,北京100192

出　　处：《北京信息科技大学学报（自然科学版）》2012年第3期21-25,共5页Journal of Beijing Information Science and Technology University

基　　金：国家自然科学基金项目资助(60872133);北京市自然科学基金项目资助(4092015);北京市教委科技发展计划项目资助(KM201110772021);国家科技支撑计划课题资助(2011BAH11B03)

摘　　要：文本聚类中不同文本表示方法获得的聚类效果不尽相同。引入潜在语义分析模型对文本进行表示,重新给出了针对潜在语义分析的特征权重计算方法,并提出了截断奇异值分解中K值的选取方法,达到了"词-文本"空间的降维去噪目的。鉴于K-means算法中初始聚类中心选取具有一定的随机性,应用相似性初始聚类中心选取方法确定了K-means的初始聚类中心,避免了随机选取聚类中心对聚类效果的影响。基于改进的潜在语义分析方法极大的降低了文本空间的维度,经实验证明改进后的方法在聚类问题中聚类效果显著。In text clustering, different text representations have different clustering effects. Latent semantic analysis model is introduced to express text. The weight formula is re-given and K value selection method is proposed in truncated singular value decomposition, aiming to reduce ＂word-text＂ space dimension and remove ＂noise＂. In view of the randomness of initial clustering centers selection in K-means algorithm, similarity of initial clustering centers selection method is used to determine initial clustering centers, which avoids interference of random selection of clustering centers on clustering effect. Improved latent semantic analysis method greatly reduces text space dimension. Experiments show that the improved latent semantic analysis method in clustering problem makes a significant clustering effect.

关 键 词：潜在语义分析 权重计算 奇异值分解 K-MEANS 文本聚类 

分 类 号：TP319[自动化与计算机技术—计算机软件与理论]