改进的GHSOM 算法在文本聚类中的应用

全文: PDF(0 KB)
输出: BibTeX | EndNote (RIS)

摘要信息时代，文本信息极其巨大。本文运用一种改进GHSOM 算法进行文本聚类，该算法具有显著的文本聚类能力，能够将文本的相似性用多种手段表现。实验结果表明改进GHSOM 算法整体上是优于SOM 算法，它的先进性主要体现在更短的计算时间，并提供更丰富的有序性表达能力。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	（）
	作者相关文章
	陈林

关键词 ：文本聚类, 成长型分级自组织映射, SOM

Abstract：In the information era, the text information is very great. An improved GHSOM algorithm for text clustering is presented in this paper. This algorithm which has obvious text clustering ability can use a variety of means to show the similarity of text. The experimental results show that the improved GHSOM algorithm is better than SOM algorithm on the whole, and its advanced nature is mainly reflected in the shorter computation time and more expression.

Key words： text clustering growing hierarchical self-organizing map SOM

年卷期日期: 2016-05-10 出版日期: 2017-11-13

TP181

作者简介: 陈林，男，福建福州人，硕士，助教，研究方向：计算机应用与软件，信息管理。

引用本文:

陈林. 改进的GHSOM 算法在文本聚类中的应用[J]. 电脑与电信, 2016, 1(5): 57-61.
Chen Lin. An Improved GHSOMAlgorithm for Text Clustering. Computer & Telecommunication, 2016, 1(5): 57-61.

链接本文:

https://www.computertelecom.com.cn/CN/ 或 https://www.computertelecom.com.cn/CN/Y2016/V1/I5/57

[1]	曹聪慧兰强侯群漆为民. 基于远程学习的关键词提取技术研究[J]. 电脑与电信, 2021, 1(8): 1-5.
[2]	郭爱心. 基于改进ISOMAP算法的手写数据非线性结构分析 [J]. 电脑与电信, 2021, 0(10): 1-4.
[3]	魏爽. 一种文本聚类的增强数据挖掘方法[J]. 电脑与电信, 2018, 1(3): 46-48.
[4]	张晓艳华英 . 文本挖掘的方法及应用研究[J]. , 2011, 1(12): 0-0.