扩展向量空间上的短语消息聚类

摘要

基于互联网或移动网的即时通信成为一种广泛应用的大众通信方式.对即时短语消息内容进行聚类可以分析短语消息的内容特征,从而跟踪或发现当前的热门话题,预防或审计犯罪活动,也可以协助建立其他数据挖掘应用.针对短语消息内容短、关键词出现次数少,甚至主题关键词隐藏在上下文或短语会话里的特点,提出了WR-KMeans聚类方法,自动将主体间的交互短语消息合成为会话,使聚类分析对象的内容更长,上下文信息更丰富;对于不在会话中出现,但与会话中的词具有较强语义关系的词,将其扩充进会话的表示向量,从而避免因关键词稀少造成的相似度偏差.WR-KMeans在这种扩展的会话向量集上进行聚类.通过实验与另外两个常用的聚类算法进行比较,WR-KMeans生成的聚类结果具有更好的质量。