[发明专利]一种将K-means与证据累积相结合的文本聚类方法

摘要

一种将K‑means与证据累积相结合的文本聚类方法，涉及文本聚类技术。目的是为了解决传统的文本聚类方法一致性、准确性、以及稳定性差的问题。本发明所述的方法为：步骤一一、始化共协矩阵；步骤一二、投票；步骤一三、标准化共协矩阵；步骤二一、初始化相似矩阵；步骤二二、更新相似矩阵；步骤二三：构建最小生成树和剪枝。证据累积策略同时考虑多种不同的聚类结果，可以用于平滑由多次运行k‑means算法产生的不同聚类结果之间的差异，能够大大提高结果的可靠性、一致性以及准确率。

主权项

1.一种将K-means与证据累积相结合的文本聚类方法，其特征在于，包括以下步骤：/n步骤一、创建共协矩阵，具体包括以下步骤：/n步骤一一、始化共协矩阵：将共协矩阵A中所有元素的值初始化为0，A是一个n×n的矩阵，n为数据集中数据点的个数，矩阵A中的元素Aij代表第i个数据点xi与第j个数据点xj之间的相似度；/n步骤一二、投票：选取不同的k的值，k为簇的数量，多次运行K-means算法，进而选择损失函数下降坡度最大的范围作为K-means算法参数k的最佳取值范围，将参数k在上述最佳取值范围内均匀取值，以每次取的值为基础多次运行K-means算法；对于任意两个数据点xi和xj，在每次使用K-means算法聚类的过程中，若数据点xi和xj被分配到同一个簇中，则其在共协矩阵A中的对应元素点Aij的值增加1，否则Aij的值不变；/n步骤一三、标准化共协矩阵：将共协矩阵A中的每个元素除以M，实现A的标准化，M为步骤一二中运行K-means算法的次数；/n步骤二、在共协矩阵上运行层次聚类算法，具体包括以下步骤：/n步骤二一、初始化相似矩阵：定义相似矩阵，将相似矩阵初始化为步骤一三中得到的标准化共协矩阵A，将数据集中每个元素视为一个簇，相似矩阵中每个元素的值代表其对应的两个数据点之间的相似度；/n步骤二二、更新相似矩阵：更新相似矩阵过程包含3步：步骤a，根据单连准则，将最相似的两个簇合并为一个簇；步骤b，将同一个簇中元素的相似度的值设置为0，更新相似矩阵；步骤c，重新计算新生成的簇和原来的簇之间的相似度；不断重复上述步骤a至步骤c，直至所有簇被合并为一个簇；/n步骤二三、构建最小生成树和剪枝；在步骤二二中，每次合并生成一个新的簇，则生成一条连接两个来自不同簇的数据点之间的无向边，步骤二二结束后，得到一个由所有无向边构成的树结构T，将T中权重小于预设值t的边剪掉，至此，所述文本聚类方法结束。/n