周期分类和Single-Pass聚类相结合的话题识别与跟踪方法
税仪冬
瞿有利
黄厚宽
1.北京交通大学计算机与信息技术学院,北京,1000442.北京交通大学计算机与信息技术学院,北京,1000443.北京交通大学计算机与信息技术学院,北京,100044
摘要：针对增量式聚类初始时话题模型不够充分和准确,随处理报道数量增加,误检与漏检的累积效应被放大的问题,提出了周期分类和Single-Pass聚类相结合的话题识别与跟踪方法.首先采用增量式聚类算法进行话题识别与跟踪,当新闻文本每积累到一定程度之后,对已经聚类的报道进行周期分类,使话题簇精度提高,从而提高后续话题识别与跟踪精度.实验表明这种方法是有效的,能够降低漏检率与错检率,减少归一化错误识别代价.
关键词：话题识别与跟踪增量聚类文本分类k-最近邻方法分类
分类号：TP391(计算技术、计算机技术)
资助基金：教育部科学技术研究项目(108126)
论文发表日期：2009-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 85-89 )
英文信息