基于改进k-means算法的文本聚类

2018-05-09 08:53:50薛善良
计算机与现代化 2018年4期
关键词:文本用户模型

蒋 丽,薛善良

(南京航空航天大学计算机科学与技术学院,江苏 南京 211106)

0 引 言

互联网的快速发展带动着电子商务的发展,电子商务会产生大量的数据,合理分析这些数据,从中挖掘出客户感兴趣的信息,将会给企业带来巨大的利润。在电子商务平台上进行数据挖掘已经成为研究的热点问题,而电子商务网站中存储的大多是非结构化数据,比如文本[1],因此,文本挖掘是面向电子商务进行数据挖掘重要的研究角度之一。

首先,与传统的数据挖掘相比,文本挖掘最大的特点是文本是非结构化的数据,为了把数据挖掘的算法应用在文本对象上,必须对文本进行处理,使文本最终表示为一种结构化形式[2]。传统的文本表示模型是以统计词频得出特征的权重形成向量,但这种方法忽略了词和词之间的语义性从而降低了聚类精度。其次,原始k-means算法在簇密集且簇与簇之间区别明显的数据中聚类效果较好,对文本聚类具有一定的局限性[3]。

1 k-means算法及Word2vec

1.1 k-means算法思想

1967年,MacQueen提出了k-means算法,它是一种基于划分的经典聚类算法[4]。该算法随机选择k个数据样本作为初始聚类中心,在每次迭代过程中,根据计算相似度将每个数据样本分配到最近的簇中,然后,重新计算簇的中心,也就是每个簇中所有数据的平均值。该算法结束的条件为聚类准则函数达到最优即收敛,从而使生成的每个聚类内紧凑,类间独立[5]。

1.2 k-means聚类算法步骤

Input:包含n个数据对象的数据集合D以及聚类数k。……

登录APP查看全文

猜你喜欢
文本用户模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
在808DA上文本显示的改善
基于doc2vec和TF-IDF的相似文本识别
电子制作(2018年18期)2018-11-14 01:48:06
关注用户
商用汽车(2016年11期)2016-12-19 01:20:16
3D打印中的模型分割与打包
关注用户
商用汽车(2016年6期)2016-06-29 09:18:54
关注用户
商用汽车(2016年4期)2016-05-09 01:23:12
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻
如何获取一亿海外用户
创业家(2015年5期)2015-02-27 07:53:25