基于后缀树的半监督自适应多密度文本聚类算法

摘要 半监督文本聚类是文本聚类中的研究热点，广泛应用于数据挖掘和机器学习领域．现有基于划分和密度的半监督文本聚类算法不能适应多密度不平衡文本数据集的聚类．此外，基于向量空间的文档模型使用词或字向量表示文档特征，没有考虑到词组之间的关联性．针对以上问题，提出一种基于后缀树文档模型的半监督自适应多密度文本聚类算法．该算法基于后缀树文档模型表征文档间的相似度，使用K最近邻思想传播扩展簇标签，并在传播扩展过程中不断更新扩展阈值，以适应多密度不平衡的文本数据集．经实验验证，算法具有较高质量的聚类结果且能够适应多密度数据集