PCCS部分聚类分类:一种快速的Web文档聚类方法

发布时间：2019-08-16 10:41

【摘要】：PCCS是为了帮助 Web用户从搜索引擎所返回的大量文档片断中筛选出自己所需要的文档 ,而使用的一种对 Web文档进行快速聚类的部分聚类方法 :首先对一部分文档进行聚类 ,然后根据聚类结果形成分类模型对其余的文档进行分类 .采用交互式的一次改进一个聚类摘选的聚类方法快速地创建一个聚类摘选集 ,将其余的文档使用 Nal¨ve- Bayes分类器进行划分 .为了提高聚类与分类的效率 ,提出了一种混合特征选取方法以减少文档表示的维数 :重新计算文档中各特征的熵 ,从中选取具有最大熵值的前若干个特征 ;或者基于持久分类模型中的特征集来进行特征选取 .实验证明 ,部分聚类方法能够快速、准确地根据文档主题内容组织 Web文档 ,使用户在更高的主题层次上来查看搜索引擎返回的结果 ,从以主题相似的文档所形成的集簇中选择相关文档
【图文】：

PCCS算法的关键思想是先对部分文档进行聚类,根据聚类结果形成分类模型(model),然后对其余的文档进行分类.PCCS的处理过程如图1所示.PCCS的主要特点如下:(1)首先对一部分文档进行聚类,然后根据聚类结果产生的分类模型对其余的文档进行分类;(2)分类模型持久存储.所产生的分类模型能集成到持久分类模型中,用于对文档的特征选取和对查询结果的分类;(3)采用了基于熵的特征选取和基于分类模型的特征选取的混合特征选取方法,以减少文档表示的维数.图1　PCCS聚类分类法处理过程3.1　混合特征选择PCCS根据搜索引擎所返回的文档列表中提供的链接将全文检索出来,形成聚类的输入文档集D= {d1,d2,d3,…

图书馆、数据库与信息系
【作者单位】： 北京大学计算机科学与技术系!北京100871 北京大学计算机科学与技术系!北京100871 北京大学计算机科学与技术系!北京100871 北京大学视觉与听觉处理国家重点实验室!北京100871
【基金】：国家重点基础研究发展规划“九七三”基金项目资助!(G19990 32 70 5 )
【分类号】：TP393

【相似文献】

相关期刊论文 前10条

1 黄e，

本文编号：2527393