Эта публикация цитируется в 15 статьях

Обзор и экспериментальное сравнение методов кластеризации текстов

П. А. Пархоменко^ab, А. А. Григорьев^bc, Н. А. Астраханцев<sup>b

a</sup> Московский государственный университет имени М.В. Ломоносова
^b Институт системного программирования РАН
^c Национальный исследовательский университет "Высшая школа экономики"

Аннотация: Кластеризация текстовых документов применяется во многих приложениях, таких как информационный поиск, исследовательский поиск, определение спама. Этой задаче посвящено множество научных работ, однако в настоящее время остается недостаточно изученным влияние специфики научных статей, в частности принадлежности документов одной предметной области или недоступности полных текстов, на эффективность кластеризации. В данной работе предлагаются обзор и экспериментальное сравнение методов кластеризации текстовых документов в приложении к научным статьям. Исследуются методы, основанные на мешке слов, извлечении терминологии, тематическом моделировании, а также векторном представлении слов (word embedding) и документов, полученном с помощью искусственных нейронных сетей (word2vec, paragraph2vec).

Ключевые слова: кластеризация текстовых документов, мешок слов, извлечение терминологии, тематическое моделирование, векторное представление, искусственные нейронные сети.

DOI: 10.15514/ISPRAS-2017-29(2)-6

Реферативные базы данных:

•