APP下载

增量文本软聚类速度改善算法设计及仿真

2022-09-28刘艳,周斌,2

计算机仿真 2022年8期
关键词:语义词汇文本

刘 艳,周 斌,2

(1. 武汉工程科技学院信息工程学院,湖北 武汉 430200;2. 华中科技大学软件学院,湖北 武汉 430200)

1 引言

相对于普通文本而言,增量文本包含的数据信息量较大,在以往的增量文本聚类算法中,通常在计算时会存在较高的时间复杂度,导致计算性能下降,且不适用于动态变化文本集聚类,同时,硬聚类方法只将一个文本划分一个类别[1-3],无法全面展示文本信息,而软聚类能够依据主题的类别划分信息,使相同类别的文本信息分配到同一处中[4,5]。

目前,有较多学者研究文本的聚类算法,例如马武彬等[6],研究基于改进NSGA-Ⅲ的文本空间树聚类算法,但该算法计算时间复杂度较高,会使聚类计算时的聚类时间延长。除此之外,还有学者研究基于语义簇的中文文本聚类算法,但该算法仅能够处理中文文本,在对增量文本进行聚类时依然需要大量的时间。因此,本文研究基于群体智能的增量文本软聚类算法,通过划分语义序列特征,构建基于蚁群算法的增量软文本聚类计算,并采用Python语言构建SCAST程序实现算法计算过程。

2 增量文本软聚类算法

2.1 语义序列特征分析

由于增量文本存在一定数量的长文本,且具有多主题特性,因此,通过计算语义序列相似关系对序列集合的覆盖度进行计算,并对得到的结果进行聚类能够有效降低增量文本向量空间维数,缩短文本软聚类的计算时间[7]。

在语义序列中并不存在文本集中的全部信息[8],仅存在文本自身信息,因此,有效分析语义序列,能够得到增量文本中更加详细的共同点。……

登录APP查看全文

猜你喜欢

语义词汇文本
本刊可直接用缩写的常用词汇
一些常用词汇可直接用缩写
语言与语义
在808DA上文本显示的改善
本刊可直接用缩写的常用词汇
基于doc2vec和TF-IDF的相似文本识别
“上”与“下”语义的不对称性及其认知阐释
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
认知范畴模糊与语义模糊
如何快速走进文本