PCCS部分聚类分类：一种快速的Web文档聚类方法

摘要：

PCCS是为了帮助Web用户从搜索引擎所返回的大量文档片断中筛选出自己所需要的文档，而使用的一种对Web文档进行快速聚类的部分聚类方法：首先对一部分文档进行聚类，然后根据聚类结果形成分类模型对其余的文档进行分类.采用交互式的一次改进一个聚类摘选的聚类方法快速地创建一个聚类摘选集，将其余的文档使用Nal ¨ ve-Bayes分类器进行划分.为了提高聚类与分类的效率，提出了一种混合特征选取方法以减少文档表示的维数：重新计算文档中各特征的熵，从中选取具有最大熵值的前若干个特征；或者基于持久分类模型中的特征集来进行特征选取.实验证明，部分聚类方法能够快速、准确地根据文档主题内容组织Web文档，使用户在更高的主题层次上来查看搜索引擎返回的结果，从以主题相似的文档所形成的集簇中选择相关文档.

关键词：聚类、分类、特征选取、文档相似性

所属期刊栏目：38

分类号：TP311(计算技术、计算机技术)

资助基金：国家重点基础研究发展计划973计划G1999032705

在线出版日期：2004-01-08（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：415-421