论文研究基于语义列表的中文文本聚类算法.pdf

针对大多数基于向量空间模型的中文文本聚类算法存在高维稀疏、忽略词语之间的语义联系、缺少聚簇描述等问题，提出基于语义列表的中文文本聚类算法CTCAUSL(Chinesetextclusteringalgorithmusingsemanticlist)。该算法采用语义列表表示文本，一个文本的语义列表中的词是该文本中出现的词，从而降低了数据维数，且不存在稀疏问题；同时利用词语间的相似度计算解决了同义词近义词的问题；最后用语义列表对聚簇进行描述，增加了聚类结果的可读性。实验结果表明，CTCAUSL算法在处理大量文本数据方面具有较好的性能，并能明显提高中文文本聚类的准确性。