论文部分内容阅读
文本聚类中不同文本表示方法获得的聚类效果不尽相同。引入潜在语义分析模型对文本进行表示，重新给出了针对潜在语义分析的特征权重计算方法，并提出了截断奇异值分解中K值的选取方法，达到了“词一文本”空间的降维去噪目的。鉴于K-means算法中初始聚类中心选取具有一定的随机性，应用相似性初始聚类中心选取方法确定了K-means的初始聚类中心，避免了随机选取聚类中心对聚类效果的影响。基于改进的潜在语义分析方法极大的降低了文本空间的维度，经实验证明改进后的方法在聚类问题中聚类效果显著。