搜索资源列表
LJClusterDemo
- 文本聚类是基于相似性算法的自动聚类技术，自动对大量无类别的文档进行归类，把内容相近的文档归为一类，并自动为该类生成特征主题词。适用于自动生成热点舆论专题、重大新闻事件追踪、情报的可视化分析等诸多应用。 灵玖Lingjoin（www.lingjoin.com）基于核心特征发现技术，突破了传统聚类方法空间消耗大，处理时间长的瓶颈；不仅聚类速度快，而且准确率高，内存消耗小，特别适合于超大规模的语料聚类和短文本的语料聚类。 灵玖文档聚类组件的主要特色在于： 1、速度快：可以处理海量规模
0010
- 基于WEKA平台的文本聚类及实现，以及常用的文本聚类效果评价指标-Text clustering based on WEKA platform and implementation, as well as common text clustering validity
File10
- Web文档聚类系统的设计与实现：数据挖掘；聚类分柝：文本挖掘；预处理；聚类组合；可 视化；欧氏距离-Web Document Clustering Design and Implementation: Data mining Clustering Hierarchical: text mining pretreatment cluster combinations visualization Euclidean distance
ClusteringAnalysis
- java实现的K-Means文本聚类文章，采用英文撰写，需要源码的可以发邮件lixinle@yahoo.cn。-java realize the K-Means Text Clustering articles written in English to the source code can email lixinle@yahoo.cn.
frequent-term-based-text-clustering
- 一篇很好的基于主题的聚类方法论文，可以用在文本分类等众多领域-frequent term-based text clustering
cluster
- 提出了一种基于语义内积空间模型的文本 聚类算法. -Text proposed clustering algorithm within the semantic model based on the product space.