基于R-Grams文本相似度計(jì)算方法的文本聚類方法

　　針對(duì)傳統(tǒng)文本聚類中存在著聚類準(zhǔn)確率和召回率難以平衡等問題，提出了一種基于R-Grams文本相似度計(jì)算方法的文本聚類方法。該方法首先通過將待聚類文檔降序排列，其次采用R-C rams文本相似度算法計(jì)算文本之間的相似度并根據(jù)相似度實(shí)現(xiàn)各聚類標(biāo)志文檔的確定并完成初始聚類，最后通過對(duì)初始聚類結(jié)果進(jìn)行聚類合并完成最終聚類。實(shí)驗(yàn)結(jié)果表明：聚類結(jié)果可以通過聚類閾值靈活調(diào)整以適應(yīng)不同的需求，最佳聚類閾值為15左右。隨著聚類閾值的增大，各聚類準(zhǔn)確率增大，召回率呈現(xiàn)先增后降的趨勢(shì)。此外，該聚類方法避免了大量的分詞、特征提取等繁瑣處理，實(shí)現(xiàn)簡(jiǎn)單。
?