基于规则化词分布特征的无监督特征选取算法

摘要：

无监督的聚类算法在中文网络信息处理中有着广泛的应用。由于存在大量的中文词语,适当的特征提取算法,可以降低计算资源消耗,提高聚类质量。但当前使用的无监督特征选取算法需要采用较多的参数,特征提取的结果与参数和数据集相关,具有随机性和过拟合的缺点。本文提出了基于规则化的词分布的无监督特征提取算法,通过对不同的规则化算法和不同数据集的实验结果表明,此算法简单、有效、稳定和普适。实验验证了不同聚类结果评价方法具有相似的变化特性,LTC向量化算法的结果总是优于其它向量化算法。

关键词： 聚类算法 无监督特征 词分布 LTC向量化 提取算法

作者: 张爱华 荆继武 向继 秦钰

作者单位: 中国科学技术大学电子与信息工程系,合肥 230027;信息安全国家重点实验室(中国科学院研究生院),北京 100049 信息安全国家重点实验室(中国科学院研究生院),北京 100049

会议类型: 国内会议

会议名称: 2007年全国网络与信息安全技术研讨会

会议地点: 青岛

会议语种:中文

页码: 338-344

在线出版日期: 2007-07-18（万方平台首次上网日期，不代表论文的发表时间）