Abstract: A new text clustering approach based on non-negative matrix factorization is presented. The method applies non-negative matrix factorization to dimensionality reduction of the term space, represents original text vectors in new concept space and clusters it with clustering algorithm. The results of experiment show that the algorithm can improve the clustering precision.

摘要： 提出一种基于非负矩阵分解的文本聚类方法。该方法利用NMF分解项-文本矩阵来降低特征空间维数,并得到文本向量在概念空间上的表示,在此基础上应用聚类算法。实验表明,基于NMF的文本聚类方法能够提高文本聚类精度。

关键词: 文本聚类, 非负矩阵分解, 球形的k-均值算法, 自然语言处理

CLC Number: 

• TP391.1