典型文献
SSVAE:一种补充语义信息的深度变分文本聚类模型
文献摘要：
[目的]解决现有深度变分推断算法进行文本聚类时面临的语义缺失问题.[方法]基于现有的深度变分推断算法,设计一种补充语义信息的深度文本聚类模型(SSVAE),可以将文本语义信息补充到聚类过程中.[结果]实验结果表明,SSVAE在文本聚类过程中有效地补充了文本缺失的语义信息,与现有效果最好的深度变分推断模型以及主流的深度聚类模型相比,SSVAE的NMI指标在BBC,Reuters-1500,Abstract,Reuters-10k,20news-1这5个真实文本数据集上分别提升8.92、7.43、8.73、4.80和6.14个百分点.[局限]SSVAE在补充语义的过程中,除了补充了缺失的语义,有时也不可避免地引入一些噪声,这会造成聚类效果的微小偏差.[结论]补充语义信息的深度变分文本聚类模型SSVAE能够对文本进行更有效的聚类划分,提高聚类准确性.
文献关键词：
文本聚类;语义缺失;语义补充;深度变分推断
中图分类号：
作者姓名：
薛菁菁;秦永彬;黄瑞章;任丽娜;陈艳平
作者机构：
贵州大学计算机科学与技术学院 贵阳550025;公共大数据国家重点实验室贵州大学计算机科学与技术学院 贵阳550025
文献出处：
引用格式：
[1]薛菁菁;秦永彬;黄瑞章;任丽娜;陈艳平-.SSVAE:一种补充语义信息的深度变分文本聚类模型)[J].数据分析与知识发现,2022(06):71-83
A类：
SSVAE,深度变分推断,20news
B类：
语义信息,分文,文本聚类,聚类模型,有深度,语义缺失,文本语义,充到,深度聚类,NMI,BBC,Reuters,Abstract,10k,文本数据,百分点,语义补充
AB值：
0.230578
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。
