摘要：对中文文本聚类进行了研究,将所改进的DMK算法应用于实际的中文文本聚类中。将百度百科数据集中的不同类型词条内容经过文本处理（分词、去停用词、特征选取、降维）后分别使用原始K-means聚类算法和DMK（Density-based and Max-min-distance K-means）算法进行聚类,并选择F-measure值及RI值（Rand Index）等指标对聚类结果进行分析。结果表明,针对实验中使用的百度百科中文数据集,DMK算法的F-measure值较原始算法平均提高0.342%,RI值较原始算法平均提高9.34%,验证了所设计的DMK算法对实际中文文本聚类的实质性优化。
分类：期刊> 自然科学与工程技术> 信息科技> 电信技术
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：dmk算法 文本聚类 分词 文本挖掘
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
