基于累积Logistic回归分析的文本段落聚类策略研究

提出一种新的文本段落聚类策略，该策略采用多特征融合思想尽可能多地挖掘段落内的特征，并采用累积Logistic回归分析方法来拟合这些特征与段落相似度之间的内在关联，使得段落相似度计算的结果更为理想。最后采用层次聚合聚类算法中的complete—link方法对段落集合进行聚类处理：通过网络真实文本进行了段落相似度度量实验和段落聚类实验，实验结果显示了方法的可行性。

基于局部与全局信息的自动文摘算法

采用平均特征词频率策略计算特征词权重,用快速n-grims算法对各特征词所处的概念体进行加权,用一种改进的K-means聚类算法进行段落聚类,提出一种基于局部与全局信息的自动文摘算法并给出算法评估。该算法不仅能够自适应获得k值,而且有效防止了初始点的随机选择对聚类结果的影响。评测结果表明该算法对经济类和科技类文章的准确率和召回率都明显高于新闻类和文学类文章,利用机器文摘进行分类的准确率明显高于使用原文本进行分类。该算法所得到的文摘,在各项指标上都优于传统方法生成的文摘。