[摘要]在對DBSCN與K－means兩種經(jīng)典聚類算法分析研究基礎(chǔ)上，結(jié)合中文文本數(shù)據(jù)的特點，對這兩種方法進(jìn)行結(jié)合與改進(jìn)，提出一種中文文本聚類方法：DKTC。該算法能自動產(chǎn)生簇的個數(shù)，且對“噪聲”或異常數(shù)據(jù)不敏感，對數(shù)據(jù)的輸入順序不敏感，另外，與DBSCAN相比，該算法有更高的處理效率。實驗表明，DKTC算法不僅能對中文文本進(jìn)行聚類，且與傳統(tǒng)DBSCN與K-means法相比，聚類效果都有一定程度的改善。
　　[關(guān)鍵詞]文本聚類　聚類算法 中文信息處理
　　[分類號]TP391
　　
　　1　引言
　　
　　文本聚類是一種無指導(dǎo)的文本分類，由于該項技術(shù)能將大量信息組織成少數(shù)有意義的簇，從而達(dá)到協(xié)助人們更好地對大規(guī)模文本進(jìn)行理解，同時也能作為一種有效的預(yù)處理步驟，為進(jìn)一步的文本分析提供初步的語料結(jié)構(gòu)，因此，文本聚類技術(shù)作為文本信息挖掘技術(shù)中的核心技術(shù)，越來越受到廣大研究者的重視。

相關(guān)熱詞搜索：中文 文本 方法 ＤＫＴＣ：一種中文文本聚類方法 一種中文文本聚類方法 一種中文文本聚類新方法