论文部分内容阅读
聚类算法在抽取文本数据中的模式结构时，忽略多个语种信息之间潜在的互补作用，得到的模式结构不能充分反映数据的内在信息．针对此问题，文中提出基于并行信息瓶颈的多语种文本聚类算法．首先使用词袋模型为文本数据的不同语种信息构建相应的相关变量．然后将多种相关变量引入并行信息瓶颈方法，通过最大化地保存模式结构与多个相关变量之间的信息，使得到的模式结构能够反映数据的多个语种信息．最后提出基于信息论的抽取合并方法优化文中算法的目标函数，保证其收敛到局部最优解．实验表明，文中算法能有效处理文本数据的多个语种信息，性能优于单