A Text Clustering Algorithm Using an Online Clustering Scheme for Initialization（基于在线聚类策略的文本聚类算法）

一、研究内容

         文本聚类广泛的应用于文本的检索，信息的抽取和人名消歧等方面。本文提出了一种基于在线聚类策略的文本聚类算法，即FGSDMM+. 该算法假设语料库中至多有  个潜在的类别，并在算法开始时，认为语料库中真的有 个潜在的类别。初始化过程中，第一个文本选择一个潜在的类别，同时FGSDMM+ 创造一个新的类别去存储这个文本；后来的文本，根据狄利克雷和多项分布的混合模型推导出是选择一个非空的类别，还是潜在的类别，每次文本选择一个潜在的类别时，FGSDMM+都会创建一个新的类别去存储这个文本，同时也减少了后来的文本选择潜在类别的概率。当数据集的所有文本都初始化后，通过吉布斯采样算法迭代几次得到最终的分类结果。本实验的结果展示，不管是短文本，还是长文本，都比k-means、LDA和GSDMM算法的聚类效果好。

二 、算法的流程

 1. 狄利克雷和多项分布的混合模型(DMM)

               

         模型的参数：