適用于大規(guī)模文本處理的動(dòng)態(tài)密度聚類算法-閱讀頁(yè)
2025-08-01 13:00本頁(yè)面
【正文】 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。 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)。 01250 500 1000 2022 3000 4000 5000 6000 7000 8000 9000 9950文檔個(gè)數(shù)聚類精度一趟聚類 TSDDBCA050100150200250 500 1000 2022 3000 4000 5000 6000 7000 8000 9000 9950文檔個(gè)數(shù)聚類簇個(gè)數(shù)一趟聚類 TSDDBCADDBCA,TSDDBCA,SNN算法對(duì)比 ?為了對(duì)比本文算法與 SNN算法在聚類精度和聚類時(shí)間上的差異，文章分別在 Reuters21578來(lái)自 5個(gè)類別的7000篇英文語(yǔ)料和搜狗來(lái)自 5個(gè)類別 9950篇中文語(yǔ)料上進(jìn)行了聚類對(duì)比，實(shí)驗(yàn)中 SNN算法的參數(shù)設(shè)置為k=2,eps=0,minpts=2,DDBCA算法的參數(shù)設(shè)置為k=6,TSDDBCA算法的參數(shù)設(shè)置為 r=2EX,k=3。在中英文文本語(yǔ)料上的實(shí)驗(yàn)結(jié)果表明， TSDDBCA算法輸入?yún)?shù)簡(jiǎn)單，同時(shí)隨著聚類文本的規(guī)模逐漸增加，聚類簇的大小趨于穩(wěn)定，能較好的識(shí)別不均勻密度的簇類，并且 TSDDBCA具有近似線性時(shí)間效率，適用于海量文本的聚類處理。 謝 謝！
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1