[發明專利]一種基于層次聚類的自適應選擇性文本聚類集成方法

在審

• 申請號: 201810523039.X
• 申請日: 2018-05-28
• 公開（公告）號: CN108681609A
• 公開（公告）日: 2018-10-19
• 發明（設計）人: 徐森;花小朋;徐靜;徐秀芳;安晶;李先鋒;曹瑞;皋軍
• 申請（專利權）人: 鹽城工學院
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于層次聚類的自適應選擇性文本聚類集成方法，其特征在于，包括以下步驟：

S01：文本聚類成員生成；

S02：判斷聚類集體的穩定性；

S03：根據聚類集體的穩定性自適應選擇聚類集體子集Subset；

S04：采用層次聚類算法對Subset進行集成。

2.根據權利要求1所述的基于層次聚類的自適應選擇性文本聚類集成方法，其特征在于，所述文本聚類成員生成的步驟是：

S11：輸入聚類成員個數l=1000，隨機生成聚類個數，其中k為數據集包含的真實類別數；

S12：將控制參數i置初值1；

S13：判斷控制參數i是否小于或等于1000，是則轉到步驟S14，否則轉到步驟S17；

S14：隨機生成s個均值向量，作為K均值算法的初始質心，使用K均值算法對數據集進行劃分；

S15：得到聚類結果P⁽ⁱ⁾={C₁⁽ⁱ⁾，…，C_s⁽ⁱ⁾}；

S16：將控制參數i加1，然后轉到步驟S13；

S17：構建聚類成員集合P={P⁽¹⁾,…,P⁽¹⁰⁰⁰}。

3.根據權利要求1所述的基于層次聚類的自適應選擇性文本聚類集成方法，其特征在于，所述判斷聚類集體的穩定性的步驟是：

S21：計算聚類成員之間的規范化互信息NMI（Normalized Mutual Information）；

S22：計算聚類集體的整體平均規范化互信息TANMI（Total Average NormalizedMutual Information）；

S23：判斷TANMI是否大于或等于0.5，是則轉到步驟S24，否則轉到步驟S25；

S24：聚類集體穩定性為S；

S25：聚類集體穩定性為NS。

4.根據權利要求1所述的基于層次聚類的自適應選擇性文本聚類集成方法，其特征在于所述根據聚類集體的穩定性自適應選擇相應的聚類集體子集Subset的步驟是：

S31：使用層次聚類算法對所有聚類成員進行集成，得到初始一致劃分P⁰；

S32：計算所有聚類成員與P⁰的NMI值，將所有聚類成員按照其與P⁰的NMI值大小降序排列；

S33：判斷聚類集體穩定性是否為S，是則轉到步驟S34，否則轉到步驟S35；

S34：選擇與P⁰的NMI值最大的1/4聚類成員集合HQ（High Quarter）及與P⁰的NMI值最小的1/4聚類成員集合LQ（Low Quarter），構建聚類集體子集Subset=HQ∪LQ；

S35：選擇與P⁰的NMI值最小的1/2聚類成員集合LH（Low Half），構建聚類集體子集Subset=LH。

5.根據權利要求1所述的基于層次聚類的自適應選擇性聚類集成方法，其特征在于所述采用層次聚類算法對Subset進行集成的步驟是：

S41：根據Subset計算文本之間的相似度矩陣；

S42：使用層次聚類算法對文本集聚類；

S43：得到最終的聚類集成結果。