面向检索的词袋聚类算法

从特征项的类条件概率密度分布的角度出发,提出一种在词袋模型下基于类条件概率分布的词项合并和聚类算法,该算法以样本相似度的损失函数作为评价准则模型并通过线性搜索寻找最优的新词簇集。实验表明,对于维数较高的数据集,该算法能够取得比较好的降维效果,而且相比较原始特征集的检索精度能达到较大幅度的提升。