文档聚类

Question

是否有可用于改善文档聚类结果的人工智能算法？聚类算法可以是分层算法或任何其他算法。

谢谢

Answer 1

The Wikipedia article on document clustering包括由弗吉尼亚理工大学的Nicholas Andrews和Edward Fox撰写的2007年论文的链接，名为“Recent Developments in Document Clustering”。我不确定你会把它归类为“人工智能算法”，但扫描论文的内容表明他们看到了矢量空间模型，kmeans的扩展，生成算法，谱聚类，降维，基于相位的模型，以及对比分析。这是一个非常数学密集的处理，但他们小心地包括他们谈论的算法的参考。

Answer 2

群集确实是AI域中的一种问题。如果你想降低一级，你可能会说它在机器学习领域。从这个意义上说，AI并没有改进文档聚类，而是解决了它！ Dumbledad mentions一些基本的替代方案，但每次使用的数据类型可以通过不同的算法得到更好的处理。这个问题有很多基于k-means的方法。在这种情况下需要仔细播种。球形k-means（搜索Dhillon的论文）是一种简单而标准的方法。其他扩展程序为k-synthetic prototypes。

子空间聚类也是一个很好的尝试，一般来说，如果你想进一步“文档聚类”文献检查“在高维和稀疏数据空间中聚类”。