%0 Journal Article
%T 基于加权核非负矩阵分解的短文本聚类算法
%A 刘海
%A 贺超波
%A 陈启买
%J 计算机应用
%D 2018
%R 10.11772/j.issn.1001-9081.2018020356
%X 摘要 对互联网产生的大量短文本进行聚类分析具有重要的应用价值，但由于短文本存在特征稀疏和特征难以提取的问题，导致传统的文本聚类算法难以有效处理该问题。为了解决该问题，利用非负矩阵分解（NMF）模型提出基于加权核非负矩阵分解（WKNMF）的短文本聚类算法。该算法通过核方法的映射关系将稀疏特征空间映射到高维隐性空间，从而可以充分利用短文本中的隐性语义特征进行聚类；另外，利用核技巧简化高维数据的复杂运算，并通过迭代更新规则不断地动态调整短文本的权重向量，从而可以区分不同短文本对聚类的重要性。在真实的微博数据集上进行了相关实验，结果表明WKNMF算法比K均值、隐含狄利克雷分布（LDA）、NMF和自组织神经网络（SOM）具有更好的聚类质量，准确度和归一化互信息分别达到了66.38%和66.91%
%K 核方法
%K 短文本聚类
%K 非负矩阵分解
%K 核技巧
%K 迭代优化求解
%U http://www.joca.cn/CN/abstract/abstract22296.shtml