使用LSA降维的改进ART2神经网络文本聚类

摘要：

针对文本数据高维度的特点和聚类的动态性要求，结合隐含语义分析（LSA）降维，提出一种改进的ART2神经网络文本聚类算法，通过LSA凸显文本和词条之间的语义关系，减少无用噪声，降低数据维度和计算复杂性；采用改进的折中学习方法，减少计算步骤，加快ART2神经网络计算速度，并利用最近邻动态重组方法提高ART2网络聚类的稳定性，减弱算法对样本输入顺序的依赖。实验表明，改进的文本聚类算法能有效地实现动态文本聚类。

关键词：ART2神经网络、最近邻、隐含语义分析(LSA)、降维、文本聚类、聚类分析

分类号：TP183(自动化基础理论)

资助基金：上海市科委科技创新项目No.12595810200；上海海事大学科研项目No.201100051。

在线出版日期：2015-01-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：133-138,177