基于群体智能的半结构化藏文文本聚类算法

作     者：康健 乔少杰 格桑多吉 韩楠 洪西进 尼玛扎西 范小刚 KANG Jian;QIAO Shao-Jie;GESANG Duoji;HAN Nan;HONG Xi-Jin;NIMA Zhaxi;FAN Xiao-Gang

作者机构：西南交通大学信息科学与技术学院成都610031 西藏大学工学院拉萨850000 西南交通大学生命科学与工程学院成都610031 

出 版 物：《模式识别与人工智能》 (Pattern Recognition and Artificial Intelligence)

年 卷 期：2014年第27卷第7期

页      面：663-671页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(No.61165013 61100045) 教育部人文社会科学研究青年基金项目(No.14YJCZH046) 高等学校博士学科点专项科研基金项目(No.20110184120008) 中国博士后科学基金特别项目(No.201104697) 中央高校基本科研业务费专项资金项目(No.2682013BR023) 四川省科技创新苗子工程项目(No.2012ZZ059)资助 

主　　题：群体智能 藏文 聚类分析 群体相似度 

摘      要：将群体智能技术应用于半结构化的藏文Web文本聚类,提出基于群体智能的半结构化藏文Web文本聚类算法(SCAST).充分考虑群体智能技术对藏文文本聚类准确性和时间效率的影响,SCAST算法首先运用向量空间模型表示藏文文本信息,将藏文文本和智能蚁群随机放置于一个文本向量空间中.然后智能蚂蚁随机选择藏文文本,计算藏文文本在当前局部区域内的相似性,获得拾起或者放下文本的概率,进而决定是否拾起,移动,放下藏文文本.最后通过多次迭代训练,将藏文文本按其相似性聚集在一起,得到最终聚类结果.大量真实藏文Web文本数据上的实验结果表明,相较于传统的k-means聚类算法,基于群体智能的藏文文本聚类算法在聚类准确率上平均提高约8.0%.