典型文献
基于CW_UEOC社区检测算法的共词聚类研究
文献摘要：
基于共词分析的聚类算法存在的不足:①聚类过程需要事先确定聚类数目;②关键词只能被划归一个聚类,文章采用复杂网络社区检测算法改进共词分析方法,提出改进的社区检测算法CW_UEOC(Co-occurrence weighting unfold and extract overlapping communities),并对来源于web of science的文献题录数据(以情报学和图书馆学(Information Science&Library Science)为例)构建共词网络进行聚类实验检验.研究结果表明:所提出的CW_UEOC社区检测算法对关键词的聚类结果有好的改进,能将多领域的相同关键词划分为不同研究主题,且CW_UEOC社区检测算法使用连通度(conductance)作为截断准则,为聚类数目提供客观判断依据.
文献关键词：
共词分析;复杂网络;CW_UEOC社区检测算法;幂律分布;小世界现象
中图分类号：
作者姓名：
牛奉高;邰志琴;许超
作者机构：
山西大学 数学科学学院,山西 太原 030006
文献出处：
引用格式：
[1]牛奉高;邰志琴;许超-.基于CW_UEOC社区检测算法的共词聚类研究)[J].山西大学学报（自然科学版）,2022(01):108-117
A类：
UEOC,小世界现象
B类：
CW,社区检测,检测算法,共词聚类,聚类研究,共词分析,聚类算法,事先,定聚,聚类数,划归,复杂网络,网络社区,算法改进,Co,occurrence,weighting,unfold,extract,overlapping,communities,web,science,题录,情报学,图书馆学,Information,Library,共词网络,连通度,conductance,判断依据,幂律分布
AB值：
0.404029
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
