论文部分内容阅读
文档聚类分析是组织文档的一种有效方法，在信息处理中被广泛应用于未知话题的自动发现并取得不错的效果。本文提出了一个轻量级聚类算法。该算法利用减小原始文档的索引数，来处理大量小文档，并把它们分组到几千个簇，或者通过更改特定参数，将聚类簇的数量减小到几十个。理论分析和实际应用表明，该算法提高了对高维数据和大量小文档处理效率。