%0 Journal Article
%T 基于lsi和自组织神经网络的高效文本聚类方法
%A 徐建锁
%A 王正欧
%J 天津大学学报(自然科学与工程技术版)
%P 1026-1030
%D 2004
%X 根据隐含语义索引(lsi)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用lsi理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(svd),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度。
%K 文本聚类
%K 隐含语义索引
%K 奇异值分解
%K 自组织神经网络
%K 向量空间模型
%U http://xbzrb.tjujournals.com/oa/DArticle.aspx?type=view&id=200411019