基于多视图的文本聚类改进方法

王卫红，李 樊，金凌剑

(浙江工业大学 计算机科学与技术学院，浙江 杭州 310023)

文本聚类[1-2]是指将一组文章或文本信息进行相似性比较，将相似度高的文章或文本信息归为同一组的技术。随着社会的发展和项目需求的变化，传统的单视图聚类方法已经不能满足人们对于数据信息量和聚类准确性的需求，越来越多的国内外学者将目光投向了多视图聚类算法的研究，以期从多视角对各种类型的聚类情况实现改进。Pedrycz[3]提出了一种基于单视角FCM(Fuzzy c-means)算法的Co-FC算法，将数据从各个角度进行FCM聚类后，通过不同视角之间的信息互补确定协同信息的聚类准则，并采用协同训练的方式将各个视角的FCM聚类结果生成一种多视角的FCM聚类结果。Cleuziou等[4]在文献[3]的基础上进一步将Co-FC算法与双视角的隶属度惩罚项进行融合，提出了Co-FKM(Co-fuzzy K-means)算法。Demiriz等[5]提出了使用半监督算法，将未标记的数据进行聚类后，使用已标记的数据去训练该聚类来预测该样本的实际类别的算法。Chen等[6]提出了一种半监督线索融合模型，该模型通过对数据不同视图的线索进行识别，使用线性加权函数并以半监督的方式利用标记样本对未标记样本进行识别。Bettoumi等[7]提出了一种基于K-means聚类算法的Co-K-means算法，意图在最小化双视角样本与聚类中心的欧式距离来减少不同视角见的差异性。Zhang等[8]在Bettoumi双视角欧氏距离的基础上，通过加入一致性权重的方式，提出了一种基于模糊划分的TW-Co-K-means(Two-level-variable weighting K-means)算法。Rai等[9]采用了基于NMF(Nonnegative matrix factorization)的正则信息融合策略进行多视图聚类，以强化视图的局部结构的方式保持单视图的特性。……