[发明专利]一种基于层次聚类的自适应选择性文本聚类集成方法

权利要求书

1.一种基于层次聚类的自适应选择性文本聚类集成方法，其特征在于，包括以下步骤：

S01：文本聚类成员生成；

S02：判断聚类集体的稳定性；

S03：根据聚类集体的稳定性自适应选择聚类集体子集Subset；

S04：采用层次聚类算法对Subset进行集成。

2.根据权利要求1所述的基于层次聚类的自适应选择性文本聚类集成方法，其特征在于，所述文本聚类成员生成的步骤是：

S11：输入聚类成员个数l=1000，随机生成聚类个数，其中k为数据集包含的真实类别数；

S12：将控制参数i置初值1；

S13：判断控制参数i是否小于或等于1000，是则转到步骤S14，否则转到步骤S17；

S14：随机生成s个均值向量，作为K均值算法的初始质心，使用K均值算法对数据集进行划分；

S15：得到聚类结果P⁽ⁱ⁾={C₁⁽ⁱ⁾，…，C_s⁽ⁱ⁾}；

S16：将控制参数i加1，然后转到步骤S13；

S17：构建聚类成员集合P={P⁽¹⁾,…,P⁽¹⁰⁰⁰}。

3.根据权利要求1所述的基于层次聚类的自适应选择性文本聚类集成方法，其特征在于，所述判断聚类集体的稳定性的步骤是：

S21：计算聚类成员之间的规范化互信息NMI（Normalized Mutual Information）；

S22：计算聚类集体的整体平均规范化互信息TANMI（Total Average NormalizedMutual Information）；

S23：判断TANMI是否大于或等于0.5，是则转到步骤S24，否则转到步骤S25；

S24：聚类集体稳定性为S；

S25：聚类集体稳定性为NS。

4.根据权利要求1所述的基于层次聚类的自适应选择性文本聚类集成方法，其特征在于所述根据聚类集体的稳定性自适应选择相应的聚类集体子集Subset的步骤是：

S31：使用层次聚类算法对所有聚类成员进行集成，得到初始一致划分P⁰；

S32：计算所有聚类成员与P⁰的NMI值，将所有聚类成员按照其与P⁰的NMI值大小降序排列；

S33：判断聚类集体稳定性是否为S，是则转到步骤S34，否则转到步骤S35；

S34：选择与P⁰的NMI值最大的1/4聚类成员集合HQ（High Quarter）及与P⁰的NMI值最小的1/4聚类成员集合LQ（Low Quarter），构建聚类集体子集Subset=HQ∪LQ；

S35：选择与P⁰的NMI值最小的1/2聚类成员集合LH（Low Half），构建聚类集体子集Subset=LH。

5.根据权利要求1所述的基于层次聚类的自适应选择性聚类集成方法，其特征在于所述采用层次聚类算法对Subset进行集成的步骤是：

S41：根据Subset计算文本之间的相似度矩阵；

S42：使用层次聚类算法对文本集聚类；

S43：得到最终的聚类集成结果。