基于成對約束的半監(jiān)督文本聚類算法研究.pdf

1、隨著互聯(lián)網(wǎng)和信息技術(shù)的快速發(fā)展，人們在日常生活和工作中需要處理越來越多的文本，怎樣才能快速有效的處理大量的文本成為一個亟待解決的問題。文本聚類是文本處理的重要技術(shù)。傳統(tǒng)的文本聚類由于不需要事先對文本進行類別標注，也不需要訓練過程，因此具有較高的自動化處理能力和一定的靈活性。然而，在實際應(yīng)用中，我們在得到大量無標簽樣本的同時，也很容易得到少量有標簽的樣本，在這種情況下，傳統(tǒng)的文本聚類算法便不能利用少量的標簽信息來提高聚類性能。由于半監(jiān)督學

2、習能夠同時利用無標簽樣本和有標簽樣本進行學習，目前正受到越來越多研究人員的關(guān)注。
　　本文對文本聚類和半監(jiān)督聚類算法進行了研究，為了提高文本聚類的性能，把半監(jiān)督聚類算法引入到文本聚類中。半監(jiān)督聚類算法對聚類性能的提高在很大程度上取決于半監(jiān)督聚類算法所使用的監(jiān)督信息。因此，監(jiān)督信息的選取非常關(guān)鍵。針對這個問題，本文構(gòu)造了一種主動選取成對約束的方法，首先利用模糊超體積找出劃分最模糊的簇，然后在其邊界上選出若干個樣本，對每一個被選中的樣

3、本，在其相鄰簇中找到與它最近的樣本，由這兩個樣本構(gòu)成一個成對約束。該方法能夠選擇具有較好指導作用的成對約束信息。
　　為了能夠利用少量的監(jiān)督信息提高文本聚類的性能，本文提出了一種新的基于成對約束的半監(jiān)督文本聚類算法。首先利用潛在語義分析方法對文本特征空間進行降維，然后在聚類過程中，利用新構(gòu)造的約束選取方法主動地選取成對約束信息，并利用選取的成對約束信息指導文本聚類。
　　為了驗證本文提出的新的監(jiān)督信息選取方法和基于成對約束的