適用于大規(guī)模文本處理的動(dòng)態(tài)密度聚類算法(專業(yè)版)
【正文】 TSDDBCA在 Reuters語(yǔ)料上的實(shí)驗(yàn) TSDDBCA算法和一趟聚類算法在 Reuters21578英文文本語(yǔ)料上的實(shí)驗(yàn)結(jié)果對(duì)比 01250 500 1000 2022 3000 4000 5000 6000 7000文檔個(gè)數(shù)聚類精度TSDDBCA 一趟聚類020406080250 500 1000 2022 3000 4000 5000 6000 7000文檔個(gè)數(shù)聚類簇個(gè)數(shù)一趟聚類 TSDDBCA參數(shù)設(shè)置分別為r=2EX和 r=2EX,k=3。適用于大規(guī)模文本處理的動(dòng)態(tài)密度聚類算法 李霞 廣東外語(yǔ)外貿(mào)大學(xué)智能信息處理研究所 NLPamp。實(shí)驗(yàn)結(jié)果表明TSDDBCA算法的聚類精度與一趟聚類算法的聚類精度基本保持一致，而隨著聚類文本數(shù)量的增加，一趟聚類算法的聚類簇的個(gè)數(shù)會(huì)不斷增加，而TSDDBCA的聚類簇個(gè)數(shù)保持在一定范圍內(nèi)，這表明 TSDDBCA算法對(duì)文本語(yǔ)料的聚類結(jié)果趨于穩(wěn)定。選取其中使用較為頻繁的來(lái)自 acq、 crude、 earn、interest和 trade共 5個(gè)類別的子集從 250篇到 7000篇文本作為實(shí)驗(yàn)語(yǔ)料進(jìn)行聚類處理。CC2022 報(bào)告內(nèi)容 ?研究背景 ?算法介紹 ?實(shí)驗(yàn)分析 ?結(jié)論 1 研究背景 ?當(dāng)前面向 海量文本數(shù)據(jù) 的自然語(yǔ)言處理和數(shù)據(jù)挖掘技術(shù)正逐漸成為新的研究熱點(diǎn)，如： 微博情感傾向性分析研究 面向互聯(lián)網(wǎng)新聞及評(píng)論內(nèi)容的網(wǎng)絡(luò)輿情監(jiān)測(cè)及預(yù)警研究 面向海量數(shù)據(jù)的社會(huì)網(wǎng)絡(luò)分析等。 TSDDBCA在搜狗語(yǔ)料上的實(shí)驗(yàn) ?搜狗中文文本分類語(yǔ)料來(lái)源于搜狐新聞網(wǎng)站保存的大量經(jīng)過(guò)編輯手工整理與分類的新聞?wù)Z料與對(duì)應(yīng)的分類信息 ,選取其中的財(cái)經(jīng)、 IT、軍事、旅游及體育 5個(gè)類別子集共 9950篇文章進(jìn)行聚類實(shí)驗(yàn)。 ?Reu
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1