基于改进的K-means算法在文本挖掘中的应用.PDFVIP

第29卷 第4期 计 算机 技 术 与发 展 Vol.29 No.4 2019年4月 COMPUTERTECHNOLOGY AND DEVELOPMENT Apr. 2019 基于改进的K-means算法在文本挖掘中的应用 杨 丹,朱世玲,卞正宇 (南京邮电大学计算机学院,江苏 南京 210003) 摘 要:K-means算法具有简单易于理解的特征,广泛运用于聚类过程中,但是其初始聚类中心是随机确定的,这样极容 易导致聚类结果的稳定性很差。 针对传统K-means算法对于初始聚类中心选择的敏感性及最大最小距离法容易选取离 散点的不足,提出了一种新的聚类中心选择评判函数,依次考察每个点的函数值,选取当前函数值最大的点作为新的聚类 中心,直到满足事先确定的聚类中心数。 新聚类中心评判函数既可以保证新中心点周围是紧凑的,又可以保证远离其他 中心点。 最后将该算法运应用于文本聚类之中,根据准确率、召回率及 度量值来衡量算法的聚类质量。 实验结果表明, F 该算法相对于传统算法和最大最小距离算法,准确率更高,聚类质量更好,较适合于文本聚类。 关键词:K-means算法;聚类中心;文本聚类;文本距离;稀疏度 中图分类号:TP391.1 文献标识码:A 文章编号:1673-629X(2019)04-0068-04 doi:10.3969/j.issn.1673-629X.2019.04.014 Application of Improved K-means Algorithm in Text Mining YANG Dan,ZHU Shi-ling,BIAN Zheng-yu (School of Computer Science and Technology,Nanjing University of Postsand Telecommunications, Nanjing210003,China) Abstract:The K-meansalgorithm is simple and easy to understand,widely used in the clustering process. However,the initial cluster centers arerandomlydetermined,whichcaneasilyleadtopoor stabilityoftheclusteringresults. Inviewofthesensitivityofthetradition- al K-meansalgorithmtothe selection oftheinitialclusteringcenterandthe shortcomingofthemaximumandminimum distancemethod in the selection of discrete points,we propose a new evaluation function for the selection of the clustering center. The function value of each point isexamined successively,andthepoint with thelargest current function valueisselectedasthenewclustering center untilthe predeterminednumberofclusteringcentersissatisfied. Thenewcluster