文献类型：期刊文章

作　　者：刘涛[1] 吴功宜[1] 陈正[2]

机构地区：[1]南开大学信息技术科学学院,天津300071 [2]微软亚洲研究院,北京100080

出　　处：《计算机研究与发展》

年　　份：2005

卷　　号：42

期　　号：3

起止页码：381-386

语　　种：中文

收录情况：AJ、BDHX、BDHX2004、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：特征选择虽然非常成功地应用于文本分类,但却很少用于文本聚类,这是因为那些高效的特征选择方法通常都是有监督的特征选择算法,它们因为需要类信息而无法直接应用于文本聚类.为了能将这些方法应用到文本聚类上,提出了一种新的无监督特征选择算法:基于K-Means的特征选择算法(KFS).这个算法通过在不同K-Means聚类结果上使用有监督特征选择的方法,成功地选择出了最为重要的一小部分特征,使文本聚类的性能提高了近15％.

关 键 词：特征选择  文本聚类

分 类 号：TP181]