论文部分内容阅读
针对现有的K—Means算法K值需要人工赋值、随机选取初始中心点、文本表示维度高且缺乏语义的缺陷，提出了一种基于概念格的K-Means算法——-K—MeansBCC（K-means algorithm based on concept lattice）。将文本集经预处理转化为形式背景，在此基础上生成概念格；利用概念格中的概念表示文本，根据文本中概念的权重确定K值、选取初始中心点。最后设计了文本间的概念相似度计算公式，并由K—Means算法产生聚类结果。实验结果表明，该算法提高了聚类的效率和准确性。