改进的GHSOM算法在民航航空法规知识地图构建中的应用

摘要：

针对文本聚类过程中簇的数量无法动态改变及文本分类结果不够精确等问题,文中引入并改进了成长型分级自组织映射(Growing Hierarchical Self-Organizing Map,GHSOM)算法,以提高文本聚类的精确度,并尝试使用改进后的GHSOM算法构建民航航空法规知识地图.GHSOM算法为多层分级结构,每一层包含数个独立的成长型SOM,通过增长规模来在一定程度上更加详细地描述数据集,提高分类效果.在此基础上,以民用航空领域的各项法律、法规条文为样本资料集,结合中文分词、关键词提取、文件向量等技术手段,利用改进的GHSOM算法对文本进行聚类分析,并最终完成民航航空法规知识地图的构建.实验结果表明,所提算法具有显著的文本聚类能力,利用该算法构建的民航航空法规知识地图取得了较好的分类效果,其精确度、召回率等评价指标也获得了进一步的提升.

关键词：知识地图、自然语言处理、文本聚类、word2vec、GHSOM

所属期刊栏目：47

分类号：TP391.1(计算技术、计算机技术)

在线出版日期：2020-07-17（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：429-435