31、文本聚类与马来西亚皮影戏视觉模拟的研究进展

文本聚类与马来西亚皮影戏视觉模拟的研究进展

文本聚类方法及评估

在文本聚类领域，采用了两种操作符来改进解决方案，分别是β操作符和邻域导航。

邻域导航阶段，通过接受规则迭代地采用解X的随机邻域解来改进方案，公式如下：
[x_i = 1 + \text{rand}() \mod K]

β操作符阶段，新解的位置选择有两种方式：一是根据当前解的当前值；二是从可能的搜索空间（即二进制）中随机选择。这基于概率β（β ∈[0, 1]），公式如下：
[x’_i \leftarrow
\begin{cases}
x_p, & \text{if rand} \leq \beta \
x_i, & \text{otherwise}
\end{cases}
]
其中，(x_p \in X)是决策变量(x_i)的可能区域，rand是0或1的随机数，β值固定为0.1。

为了评估文本聚类的效果，使用了四个常见的评估指标：准确率（A）、精确率（P）、召回率（R）和F - 度量（F）。具体计算公式如下：
- F - 度量：
[F(j) = \frac{2 * P(i, j) * R(i, j)}{P(i, j) + R(i, j)}]
- 精确率：
[P(i, j) = \frac{n_{i,j}}{n_j}]
- 召回率：
[R(i, j) = \frac{n_{i,j}}{n_i}]
- 所有聚类的F - 度量值：
[F = \frac{\sum_{j = 1}^{K} F(j)}{K}]
- 准确率： <