黄瑞章，白瑞娜，陈艳平，秦永彬，程欣宇,3，田有亮

（1.贵州大学计算机科学与技术学院，贵州 贵阳 550025；2.贵州省公共大数据重点实验室，贵州 贵阳 550025；3.贵州省智能人机交互工程技术研究中心，贵州 贵阳 550025）

1 引言

文本聚类，旨在按照文本的相似性自动挖掘文本的结构，是文本挖掘的重要任务，被众多应用所关注[1]。传统的文本聚类多从单一的文本内容维度出发，根据文本内容中的语义特征来挖掘文本数据集的结构关系。随着互联网和数据分析技术的发展，文本数据的表示逐渐从传统单一的内容维度向立体的多维度发展[2]。例如，互联网环境中的新闻文本数据，除表示为以词向量为代表的传统内容维度以外，还可表示为新闻文本的主题维度（如新闻用词所涵盖的主题），以及新闻文本在互联网传播过程中获得的传播行为维度（如新闻的转发用户、阅读用户、点赞用户等）；研究类论文的文本数据除表示为传统的内容维度以外，还可被描述为论文的研究行为维度，包含论文自身、引用论文和被引论文的作者等。这些多维度文本数据较传统的表示方式更为全面立体，如何有效利用文本的多维度数据来分析挖掘文本数据集的结构，为传统文本聚类问题带来了新的机遇和挑战。

多维度文本聚类可联合利用多个维度的信息改善单维度信息在文本聚类上的局限，为文本聚类带来了机遇。在实际的多维度文本聚类过程中，数据的多个维度特征对文本结构的发现有互补作用，传统文本内容维度中表现不佳的数据在其他维度可能获得更好的聚类结果。……