增量文本软聚类速度改善算法设计及仿真

摘要

为全面展示文本信息并清晰划分文本主题类别,提出基于群体智能的增量文本软聚类算法,提升聚类速度并改善聚类效果。计算增量文本中不同主题文本的相似语义序列集合覆盖度,将覆盖度计算过程中的最小熵重叠值的候选类作为下一步聚类的内容,降低软聚类过程中的文本向量空间维数;并通过基于群体智能的蚁群算法让蚂蚁随机选择增量文本,计算增量文本在现阶段局部区域内的群体相似性,得到蚂蚁抓取或丢弃文本的概率,以决定蚂蚁是否抓取、丢弃或移动增量文本,之后采用Python语言构建SCAST程序实现算法迭代训练,使增量文本能够按照其群体相似性聚集至一处,得到文本聚类结果。经仿真验证,上述算法计算语义序列相似度值较高,对异常文本较为敏感,聚类时间较低,能够快速实现增量文本聚类。