论文研究基于关联规则的文本聚类算法的研究.pdf

K均值聚类算法是目前一种较好的文本分类算法，算法中的相似度计算通常基于词频统计，小文档或简单句子由于词频过小，使用该算法聚类效果较差。为此，提出了一种基于词语关联度的相似度计算算法，对简单文档集执行关联规则算法，得出基于关键词的关联规则，并根据这些规则求得词语关联度矩阵，然后由权重对文本进行文本特征向量表示，最后借助于关联度矩阵和文本特征向量，并按一定算法计算出句子相似度。实验证明该算法可得到较好的聚类结果，且其不仅利用词频统计的方法而且考虑了词语间的关系。