76、聚类算法与文本摘要提取研究

聚类算法与文本摘要提取研究

1. 聚类算法对比实验

在聚类算法的研究中，为了展示PCKM - Mono算法的能力，将其与其他四种EM风格的聚类算法进行了对比，这些算法包括纯单调聚类算法、两种纯约束聚类算法（其中一种是最新的）以及经典的聚类算法。

• P2Clust ：它是单调聚类的第一种方法。通过修改EM方案期望步骤中使用的距离度量，产生纯单调分区，且不会违反单调性约束，但不考虑成对约束，属于纯单调聚类算法。
• COP - Kmeans ：是约束分区K - 均值算法，是约束聚类的第一种方法，作为约束聚类方法的基线对比。它通过修改实例分配到聚类的规则来整合约束，避免违反约束，遇到死胡同时停止，在未遇到死胡同时能产生满足所有约束的分区，属于纯约束聚类算法。
• Kmeans ：最初的K - 均值算法，既不考虑成对约束也不考虑单调性约束。
• PCSKMeans ：是经典稀疏K - 均值算法的扩展，通过加权惩罚项整合约束，是最新的EM风格的约束聚类方法。

参数设置 ：所有算法都使用EM方案来寻找数据集的分区，许多参数是共享的。参数k表示输出分区的聚类数，总是设置为每个数据集的类别数；允许收敛前的最大迭代次数设置为100；收敛准则是质心移动，当平均质心移动小于10⁻⁴时，认为EM优化过程已收敛；所有算法都使用随机质心初始化。P2Clust算法的内部α系数参数设置为1.1，PCSKMeans算法的稀疏级别设置为1.1。