多文档集合中逻辑主题的确定

摘要

把多文档集合中具有相同或相似的句子通过聚类的方法归并成一类,每类即为多文档集合的一个逻辑主题.将多文档集合描述为若干逻辑主题的集合,是从理解的角度来描述多文档集合,在此基础上可以提高多文档文摘的质量.本文首先根据标准语料确定划分逻辑主题的阈值,通过层次聚类方法确定逻辑主题的个数,然后利用k均值方法对各个类别进行迭代调整,从而提高划分逻辑主题的准确率.实验表明,基于层次聚类的k均值方法得到的逻辑主题正确率比层次聚类方法得到的逻辑主题正确率平均约高8﹪.