张天宇，谌志群，黄孝喜, 王荣波

(杭州电子科技大学 计算机学院，浙江 杭州 310018)

基于改进CFSFDP算法的电信投诉文本聚类方法

张天宇，谌志群，黄孝喜, 王荣波

(杭州电子科技大学 计算机学院，浙江 杭州 310018)

为了提高电信服务质量，增强企业竞争力，对电信投诉文本进行聚类，方便电信运营商分析投诉原因，文中提出了基于改进CFSFDP算法对电信投诉文本进行聚类的方法。通过差分进化算法寻找CFSFDP算法中最优密度阈值和距离阈值，降低密度及距离阈值的随机性选取对聚类准确率造成的影响。该算法使用Gaussian Kernel计算数据点密度，降低参数对密度计算的影响。在电信投诉文本数据集上的实验结果显示，改进CFSFDP算法聚类结果达到了与K-Means算法、CFSFDP算法、Agglomerative Clustering算法更好或者相当的效果，证明了算法的有效性。

CFSFDP算法；文本聚类；电信投诉；密度；距离；差分进化

AbstractTo improve the accuracy of the service quality, and enhance enterprise competitiveness,clustering of telecom complaints text is helpful for telecom operators to analyze the reasons of complaints, This paper proposed a clustering method for telecom complaints text based on the improved CFSFDP algorithm. To reduce the effects on the method by random select of optimal density and distance threshold for CFSFDP, the method searches density threshold and distance threshold using differential evolution algorithm. The algorithm calculates the density of data points using the Gaussian Kernel, to reduce the effects of parameters on density calculation. Experiments on datasets of telecom complaints text show that clustering result of improved CFSFDP algorithm is better than k-means algorithm,CFSFDP algorithm and agglomerative clustering, the algorithm is effective.

KeywordsCFSFDP algorithm;text clustering; telecom complaints; density; distance; differential evolution

在电信运营商同质化的业务和服务下，客户对服务质量有更高的要求。客户投诉是客户对电信业服务不认可而提出的疑义。它不仅数量庞大，而且种类繁多。采用文本聚类[1]技术，深入分析客户投诉内容，及时发现客户投诉热点，对电信运营商提高服务质量具有重要意义。

目前，通用的聚类算法主要有基于划分的方法、基于层次的方法、基于密度的方法、基于网格的方法以及基于模型的方法[2-3]。而对文本数据集进行聚类的常用方法有基于划分的聚类方法和基于层次的聚类方法。但是在数据集形状较复杂的情况下，传统聚类算法的准确率一般较低。……