APP下载

基于二进制灰狼优化的特征选择及文本聚类

2021-09-16董永权

计算机工程与设计 2021年9期
关键词:特征文本优化

王 琛,董永权

(1.江苏建筑职业技术学院 信电工程学院,江苏 徐州 221116;2.江苏师范大学 计算机科学与技术学院,江苏 徐州 221116)

0 引 言

文本聚类作为最适宜于将大量文档集合划分为预定义数量聚类的方法已经得到广泛研究[1],被应用在信息挖掘的诸多领域。矢量空间模型VSM作为文本数据挖掘领域最常用模型,可将文本特征表示为词条权重矢量,且每个词条权重为一维空间。因此,文本聚类性能极大地受到维度空间和非信息化特征的影响[2]。文本包括信息化和非信息化特征,非信息化特征一般为噪声、不相关冗余特征[3,4]。无监督特征选择可用于寻找信息化特征子集。传统特征选择方法主要包括文档频率DF、交互信息MI、信息增益IG、卡方检验CHI,但这类方法缺乏数学模型较难改进,特征子集精度较低。而特征选择的目标有以下两点:一是如何基于特征选择优化后期文本聚类的性能,二是如何尽可能降低非信息化特征数量,提高文本聚类效率[5]。

提出一种基于二进制灰狼优化的特征选择和文本聚类方法。算法将特征选择建模为灰狼的觅食过程,通过灰狼位置的更新最后收敛在最优位置代表的特征选择最优解上。为了兼顾不同灰狼个体适应度评估方法的优点,引入词条方差和平均绝对差两种适应度评估方法,进而可以在该阶段得到两种不同的信息化特征子集。引入特征归并对两类特征子集进行合并与交叉,进一步得出最优特征子集。最后,设计多目标优化K均值聚类算法对相应文本进行聚类,得到最优文档聚类结果。……

登录APP查看全文

猜你喜欢

特征文本优化
超限高层建筑结构设计与优化思考
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
如何表达“特征”
在808DA上文本显示的改善
不忠诚的四个特征
基于doc2vec和TF-IDF的相似文本识别
文本之中·文本之外·文本之上——童话故事《坐井观天》的教学隐喻
如何快速走进文本