李诚
- 作品数：1 被引量：6H指数：1
- 供职机构：山东省计算机网络重点实验室更多>>
- 发文基金：山东省科技发展计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于MapReduce的文本聚类方法研究被引量：6
- 2016年
- 在文本聚类中,相似性度量是影响聚类效果的重要因素。常用的相似性度量测度,如欧氏距离、相关系数等,只能描述文本间的低阶相关性,而文本间的关系非常复杂,基于低阶相关测度的聚类效果不太理想。一些基于复杂测度的文本聚类方法已被提出,但随着数据规模的扩展,文本聚类的计算量不断增加,传统的聚类方法已不适用于大规模文本聚类。针对上述问题,提出一种基于MapReduce的分布式聚类方法,该方法对传统K-means算法进行了改进,采用了基于信息损失量的相似性度量。为进一步提高聚类的效率,将该方法与基于MapReduce的主成分分析方法相结合,以降低文本特征向量的维数。实例分析表明,提出的大规模文本聚类方法的聚类性能比已有的聚类方法更好。
- 李钊李晓王春梅李诚杨春
- 关键词：文本聚类MAPREDUCEK-MEANS信息损失
