基于本体图的文本聚类模型研究
【出 处】:《
情报科学
》
CSSCI
2013年第31卷第2期 29-33页,共5页
【作 者】:
明均仁
【摘 要】
为了提高文本聚类的质量和效率,本文提出了一种基于本体图的文本聚类模型。该模型一方面利用本体图表示文本,获取更多、更深的文本语义信息特征,提高文本表示的准确性;另一方面从语法结构和语义内容两个角度综合衡量文本间的相似程度,增强计算的精确性和全面性。实验结果表明,该模型明显优于现有的文本聚类模型,获得了很好的聚类效果,提高了文本聚类的质量和效率,降低了聚类的时间复杂度和空间复杂度。
相关热词搜索: 文本聚类 本体图 语义相似性计算 text clustering ontology graph semantic similarity computing
上一篇:基于向量语义相似度的改进K-Means算法
下一篇:基于向量分析的情报价值研究