基于谱聚类的文本聚类集成方法研究

项目名称： 基于谱聚类的文本聚类集成方法研究

项目编号： No.60975042

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 卢志茂

作者单位： 哈尔滨工程大学

项目金额： 32万元

中文摘要： 聚类分析可以发现无结构文本集中的潜在概念，并用这些概念来给出文本集的概要或者标签，因此，它可以有效地组织和搜索大规模文本集。由于文本数据的高维稀疏性，很多聚类算法并不适用于文本聚类，另外，由于文本数据的海量性，对算法的计算复杂度也有很高要求。 聚类集成技术可以有效克服高效的超球K均值算法的缺点，提高其精度和稳定性。然而现有的聚类集成技术都存在很多问题，如对簇的形状强加了某种结构、对簇的大小有很强的约束、计算复杂度高、得到局部最优解等。鉴于谱聚类算法的诸多优点，本课题将其引入到文本聚类集成问题中，采用"代数变换"、"间接求解"等策略来克服谱聚类算法计算复杂度过高的缺点，涉及高速、高质量文本聚类集成模型，为海量规模的数据挖掘提供实用处理技术。本课题的研究成果可以用于文本摘要、语义分析和信息检索等多个应用领域。因而，本课题的开展具有重要的理论意义和实际应用价值，具有广阔的应用前景。

中文关键词： 聚类分析；文本聚类集成；代数变换；低维嵌入；非负矩阵分解

英文摘要：

英文关键词： clustering analysis；document cluster ensemble；algebraic transformation；low dimensional embedding；non-negative matrix factorizat