1、隨著互聯(lián)網(wǎng)和信息技術(shù)的快速發(fā)展，人們?cè)谌粘Ｉ詈凸ぷ髦行枰幚碓絹碓蕉嗟奈谋?，怎樣才能快速有效的處理大量的文本成為一個(gè)亟待解決的問題。文本聚類是文本處理的重要技術(shù)。傳統(tǒng)的文本聚類由于不需要事先對(duì)文本進(jìn)行類別標(biāo)注，也不需要訓(xùn)練過程，因此具有較高的自動(dòng)化處理能力和一定的靈活性。然而，在實(shí)際應(yīng)用中，我們?cè)诘玫酱罅繜o標(biāo)簽樣本的同時(shí)，也很容易得到少量有標(biāo)簽的樣本，在這種情況下，傳統(tǒng)的文本聚類算法便不能利用少量的標(biāo)簽信息來提高聚類性能。由于半監(jiān)督學(xué)

2、習(xí)能夠同時(shí)利用無標(biāo)簽樣本和有標(biāo)簽樣本進(jìn)行學(xué)習(xí)，目前正受到越來越多研究人員的關(guān)注。
　　本文對(duì)文本聚類和半監(jiān)督聚類算法進(jìn)行了研究，為了提高文本聚類的性能，把半監(jiān)督聚類算法引入到文本聚類中。半監(jiān)督聚類算法對(duì)聚類性能的提高在很大程度上取決于半監(jiān)督聚類算法所使用的監(jiān)督信息。因此，監(jiān)督信息的選取非常關(guān)鍵。針對(duì)這個(gè)問題，本文構(gòu)造了一種主動(dòng)選取成對(duì)約束的方法，首先利用模糊超體積找出劃分最模糊的簇，然后在其邊界上選出若干個(gè)樣本，對(duì)每一個(gè)被選中的樣

3、本，在其相鄰簇中找到與它最近的樣本，由這兩個(gè)樣本構(gòu)成一個(gè)成對(duì)約束。該方法能夠選擇具有較好指導(dǎo)作用的成對(duì)約束信息。
　　為了能夠利用少量的監(jiān)督信息提高文本聚類的性能，本文提出了一種新的基于成對(duì)約束的半監(jiān)督文本聚類算法。首先利用潛在語義分析方法對(duì)文本特征空間進(jìn)行降維，然后在聚類過程中，利用新構(gòu)造的約束選取方法主動(dòng)地選取成對(duì)約束信息，并利用選取的成對(duì)約束信息指導(dǎo)文本聚類。
　　為了驗(yàn)證本文提出的新的監(jiān)督信息選取方法和基于成對(duì)約束的