【作者】 务孟庆； 高军； 王腾蛟； 杨冬青；

【Author】 Mengqing Wu Jun Gao Tengjiao Wang Dongqing Yang (Research Lab of Database and Information Systems in Peking University,Beijing,100871)

【机构】 北京大学数据库和信息系统研究室；

【摘要】 WEB 文档聚类在新闻信息检索领域起到重要的作用。但由于新闻领域不断涌现出一些新的名词, 现有的技术在文档特征抽取和权重计算、类标签生成方面存在不足,导致聚类质量下降。本文提出一种基于网络词典的后缀树聚类算法,利用网络词典来识别新的名词,排除干扰因素；在后缀树聚类计算聚类分数时利用网络词典设置词语权重,提高聚类质量；聚类结果描述利用网络词典确定聚类标签,标志聚类话题的基本类别。这种方法在新闻领域取得了很好的效果。更多还原

【Abstract】 Web Document Clustering plays an important role in news retrieval.However, the current methods have limitation on features selection and weight calculation, cluster label generation in news domain due to the large number of new words in the content, which leads to the degradation of the quality of cluster.This paper proposes a novel clustering method based on web dictionary towards web news documents.It uses web dictionary to recognize new nouns, set the weightiness of phrases when counting the scores in suffix tree clustering, confirm the clustering tags which describes the clustering information.The preliminary experiments result demonstrates the effectiveness of WD-STC.更多还原