一种有效的文本聚类算法

摘要

本文提出了一种新的有效的文本聚类算法RTC,该算法在球形k-means的基础上运用两种不同的策略:优化的初始中心选择和划分调整来解决文本聚类中容易陷入质量差的局部最优状态问题.实验结果表明,RTC算法具有很好的聚类精确度和相对较好的时间复杂度,在聚类精确度上要远高于标准的球形k-means算法和二分k-means算法,而在精确度和时间复杂度两方面都要优于另一种基于局部搜索策略的Ping-pong算法,尤其在时间上,测试表明大部分情况下RTC算法比Ping-Pong快5倍以上。