钱慎一， 朱艳玲， 朱颢东

(郑州轻工业学院 计算机与通信工程学院， 郑州 450002)



基于K-Means和Apriori算法的多层特征提取方法

钱慎一， 朱艳玲， 朱颢东*

(郑州轻工业学院 计算机与通信工程学院， 郑州 450002)

根据科技文献的结构特点，论文提出了一种四层挖掘模式，并结合K-means算法和Apriori算法，构建一个新的特征词提取方法——MultiLM-FE方法.该方法首先依据科技文献的结构将其分为4个层次，然后通过K-means聚类对前3层逐层实现特征词提取，最后再使用Aprori算法找出第4层的最大频繁项集，并作为第4层的特征词集合.该方法能够解决K-means算法不能自动确定最佳聚类初始点的问题，减少了聚类过程中信息损耗，这使得该方法能够在文献语料库中更加准确地找到特征词，较之以前的方法有很大提升，尤其是在科技文献方面更为适用.实验结果表明，该方法是可行有效的.

科技文献； 特征提取；K-means算法； Apriori算法

随着文献检索能力的提高，越来越多的用户习惯于从中国知网和数字图书馆进行快速检索，获取所需文献资料.但是在知识更新不断加快的今天，新主题、新事物、新学科大量涌现，信息种类和数量激增，这使得科技文献的数量每年近似指数的速度增长.如此海量的科技文献，往往需要消耗读者大量的时间.如何对其进行高效组织，满足广大读者的需求，已经成为该领域的一个研究热点.目前，诸多检索机构已将文献资料进行分类处理，例如，在中国知网中输入检索词“绿色网络”，能够检索到……