%0 Journal Article
%T 基于词性和中心点改进的文本聚类方法
%A 施侃晟
%A 刘海涛
%A 宋文涛
%J 模式识别与人工智能
%P 996-1001
%D 2012
%X 针对k-均值算法对初始点敏感、易陷入局部最优的问题，提出一种基于词性和中心点改进的文本聚类方法(STICS)。通过改进文本的语义型表示，优化中心点的选取，并消除孤立点的负面影响，从而获得较好的聚类效果。STICS考虑不同词性特征对文本的贡献，采用加权的向量空间模型来表示文本。对于中心点的选取，首先度量每个样本的样本平均相似度，其次选取样本平均相似度最大的样本作为第一个聚类中心。此外，STICS消除孤立点的负面影响，以此提高聚类效果。实验结果表明文中方法确实具有更好的聚类效果。
%K 文本聚类
%K k-均值
%K 词性特征
%K 样本平均相似度
%K 孤立点
%U http://manu12.magtech.com.cn/Jweb_prai/CN/abstract/abstract9515.shtml