基于惩罚性矩阵分解的文本聚类分析

文本软聚类是适应学科发展而逐步兴起的一项文本聚类技术，它更加全面地反映文本的特征信息。本文首先分析了文本软聚类技术的现状，提出了基于惩罚性矩阵分解（PMD）的文本软聚类算法，并应用于文本聚类研究。实验结果表明，本文提出的算法具有较好的聚类结果。

融合频繁项集和潜在语义分析的股评论坛主题发现方法

针对股评论坛主题发现,提出基于频繁项集与潜在语义相结合的短文本聚类(STC_FL)框架.在基于知网的知识获取后得到概念向量空间,挖掘并筛选出重要频繁项集,然后采用统计和潜在语义相结合的方法进行重要频繁项集的自适应聚类.最后,提出TSC-SN(text soft classifying based on similarity threshold and non-overlapping)算法,通过参数调优策略选择和控制文本软聚类过程.股吧论坛数据实证分析发现:所提出的STC_FL框架和TSC-SN算法可充分挖掘文本潜在语义信息,并有效降低特征空间维度,最终实现对短文本的深层次信息挖掘和主题归类.