申请号：

200910084841

申请日：

2009/05/25

公开日：

2009/11/04

公告日：

公开号：

101571868

公告号：

授权日：

授权公告日：

专利类别：

发明

国别省市代码：

11[中国|北京]

代理机构代码：

11121[ ]

代理人：

周长琪

发明名称：

一种基于信息瓶颈理论的文档聚类方法

国际分类号：

G06F 17/30

范畴分类号：

39A40B40D

发明人：

刘永利;熊璋;任捷;欧阳元新

申请人：

北京航空航天大学

申请人地址：

北京市海淀区学院路37号

邮编：

100083

文摘：

本发明公开了一种基于信息瓶颈理论的文档聚类方法，该方法首先利用信息瓶颈理论计算文档之间的相似性，采用增量式的聚类算法对文档进行聚类，并对聚类结果进行最小共有信息损失计算，如果最小共有信息损失满足规定阈值，则将该文档合并到距离最近簇，否则新建一个簇存放该文档；为了提高聚类准确性，采用序列聚类方法对聚类结果进行调整，在调整过程中，对每个文档依次进行取样，并规定对所有文档的取样次数来控制调整的强度。这种调整策略涵盖了所有的样本文档，有助于提高聚类的准确率。