[发明专利]一种基于近邻传播的XML文档谱聚类方法

权利要求书

1.一种基于近邻传播的XML文档谱聚类方法，其特征是该方法包括以下步骤：

步骤1：将XML文档用XML路径构成的特征向量表示；

步骤2：计算特征向量两两之间的初始相似度，得到初始相似度矩阵W，进而确定初始近邻关系矩阵N；

步骤3：用近邻传播算法修正特征向量两两之间的相似度，得到相似度矩阵A；

步骤4：根据相似度矩阵A，应用第一指定方法确定XML文档的聚类个数及聚类结果。

2.根据权利要求1所述的一种基于近邻传播的XML文档谱聚类方法，其特征是所述特征向量两两之间的初始相似度的计算公式为：

sim(di,dj)=||di∩dj||||di∪dj||]]>

其中：

sim(d_i,d_j)为特征向量两两之间的初始相似度；

d_i∩d_j为XML文档d_i和d_j共同包含的路径数；

d_i∪d_j为XML文档d_i和d_j中提取出的所有路径数。

3.根据权利要求1所述的一种基于近邻传播的XML文档谱聚类方法，其特征是所述初始近邻关系矩阵N的确定方法为：当初始相似度矩阵W中的元素大于设定值时，将该元素在初始近邻关系矩阵N中对应位置的元素值修改为1；否则修改为0。

4.根据权利要求1所述的一种基于近邻传播的XML文档谱聚类方法，其特征是所述近邻传播算法具体为：

a：将初始近邻关系矩阵N中的行向量，按其所含有的1的数量，从多到少进行排列；进而得到排序后的XML文档集，并置换初始相似度矩阵W和初始近邻关系矩阵N中的对应的行和列，得到相似度矩阵W′和近邻关系矩阵N′；

b：从排序后的XML文档集中的第一个XML文档开始，确定第一个XML文档与排序后的XML文档集中其余文档的隐含相似关系；

隐含相似关系是指若两个XML文档之间不是近邻关系，但这两个XML文档同时和另一个XML文档是近邻关系，则这两个XML文档是隐含相似关系；

若这两个XML文档是隐含相似关系，则修改近邻关系矩阵N′中对应这两个XML文档的元素为1；修改相似度矩阵W′中对应这两个XML文档的元素为这两个XML文档分别和另一个XML文档的对应元素中小的元素；重复上述步骤，直至最后一个XML文档。

5.根据权利要求1所述的一种基于近邻传播的XML文档谱聚类方法，其特征是所述第一指定方法为多路谱聚类方法。