SSVAE:一种补充语义信息的深度变分文本聚类模型

摘要：

[目的]解决现有深度变分推断算法进行文本聚类时面临的语义缺失问题.[方法]基于现有的深度变分推断算法,设计一种补充语义信息的深度文本聚类模型(SSVAE),可以将文本语义信息补充到聚类过程中.[结果]实验结果表明,SSVAE在文本聚类过程中有效地补充了文本缺失的语义信息,与现有效果最好的深度变分推断模型以及主流的深度聚类模型相比,SSVAE的NMI指标在BBC,Reuters-1500,Abstract,Reuters-10k,20news-1这5个真实文本数据集上分别提升8.92、7.43、8.73、4.80和6.14个百分点.[局限]SSVAE在补充语义的过程中,除了补充了缺失的语义,有时也不可避免地引入一些噪声,这会造成聚类效果的微小偏差.[结论]补充语义信息的深度变分文本聚类模型SSVAE能够对文本进行更有效的聚类划分,提高聚类准确性.

关键词：文本聚类、语义缺失、语义补充、深度变分推断

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：71-83