基于强类别特征近邻传播的半监督文本聚类*

为处理高维稀疏的大规模文档数据，提出一种基于强类别特征近邻传播(SCFAP)的半监督文本聚类算法.聚类过程中，利用少量带类别标签的监督数据，提取具有强类别区分能力的特征项以构建更有效的样本间相似性测度.并在每轮迭代完成后将类别确定性程度最高的未标记样本转移到已标注集，使算法执行效率提高.实验结果表明，这种改进对于近邻传播算法的性能和准确度的提升有较大帮助，在Reuter-21578和20Newsgroups两个相异数据集上，SCFAP算法表现较好的适用性.综合考察聚类微平均Fμ指标和类簇纯度Pt指标，该算法在少量监督信息辅助下能快速获得较好的聚类结果.