融合化学反应优化与K均值的文本数据聚类

王 琛，董永权

(1.江苏建筑职业技术学院 信电工程学院，江苏 徐州 221116； 2.江苏师范大学 计算机科学与技术学院，江苏 徐州 221116)

0 引 言

作为一种非监督学习技术，文本聚类[1]的目的是根据距离或相似性将文本文档集合划分为若干聚类，使得相同聚类内的文档具有最相近的文本特征，而不同聚类内的文档体现不同特征，它可以简化文本处理过程，将具有固有特征的文档聚类成集[2]。在没有文档分类标签的先验知识前提下，文本聚类需要管理非标签的文本文档集合。

K均值算法是一种最为简单快速的文本聚类算法[3]，算法试图为每个文档寻找距离最短或相似性最高的质心，并通过质心的不断更新得到稳定聚类。但是，该算法过多依赖于初始质心选取，是一种局部最优搜索算法。为了进一步得到准确度更高的文本聚类结果，提出了一种融合化学反应算法与K均值算法的文本聚类算法，结合K均值算法的局部快速开发寻优能力和化学反应算法的全局勘探能力，以K均值得到的聚类解集合作为化学反应算法的初始分子结构群，通过4种化学反应操作，增加种群分子结构的多样性，在扩展搜索空间的基础上得到最优文本聚类。

1 相关研究

相关研究中，文献[4]针对传统K均值聚类在初始质心选取上的随机性，为样本点引入局部密度指标，并根据局部密度分布，选择密度峰值点作为初始质心，得到了更高聚类准确度。文献[5]针对特征词稀疏性，提出结合语义的K均值聚类算法。……