BBS短文本聚类技术研究

摘要：

高校BBS论坛信息内容与学校日常工作、校园学生活动密切相关，其信息丰富且更新速度快。但是BBS上各版面的讨论内容并不严格与其版面名称相对应，因而会使信息显得杂乱。聚类技术可以有效地重新组织并利用BBS信息。BBS文本是短文本的一种主要表现形式。本文针对短文本信息量少的特点，提出了一种改进的K-means聚类算法来解决短文本聚类问题。该算法通过引入重构长文本的思想解决了短文本的稀疏性问题，并利用近邻传播算法对初始类别中心进行了优化选择，从而克服了K-means算法对初始点的敏感问题。实验表明，该算法对于短文本聚类取得了很好的效果。

关键词： 短文本聚类 近邻传播算法 BBS论坛

作者: 孙承杰 朱文焕 林磊 刘远超

作者单位: 哈尔滨工业大学计算机科学与技术学院,哈尔滨,150001 哈尔滨工业大学计算机科学与技术学院,哈尔滨,150001 哈尔滨工业大学控制科学与工程系,哈尔滨,150001

会议类型: 国内会议

会议名称: 第五届全国信息检索学术会议CCIR2009

会议地点: 上海

会议语种:中文

页码: 470-479

在线出版日期: 2009-11-14（万方平台首次上网日期，不代表论文的发表时间）