[1]何聚厚,范文静.基于改进K-Means算法的教学反思文本聚类研究[J].计算机技术与发展,2013,(11):99-102.
　HE Ju-hou[],FAN Wen-jing[].Research on Text Clustering of Teaching Reflection Based on Improved K-Means Algorithm[J].,2013,(11):99-102.
点击复制

基于改进K-Means算法的教学反思文本聚类研究()
分享到：

《计算机技术与发展》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2013年11期
页码:
99-102
栏目:
智能、算法、系统工程
出版日期:
1900-01-01

文章信息/Info

Title:
Research on Text Clustering of Teaching Reflection Based on Improved K-Means Algorithm
文章编号:
1673-629X（2013）11-0099-04
作者:
何聚厚1; 2; 范文静1
[1]陕西师范大学 计算机科学学院;[2]陕西师范大学 现代教学技术教育部重点实验室
Author(s):
HE Ju-hou[1; 2]; FAN Wen-jing[1]
关键词:
K-Means算法; 文本聚类; 教学反思; 相似度; 均值
Keywords:
K-Means algorithm; text clustering; teaching reflection; similarity; means
文献标志码:
A
摘要:
对教学反思内容的准确评估是教师基于教学反思过程提升其专业能力的重要保障。基于改进的K-Means算法对相同主题的教学反思文本进行聚类，通过给定初始聚类中心K的取值范围使其可以在给定范围内自动增加，在聚类过程中加入相似度阈值以限定文本间相似度的取值范围，实现对教学反思文本的分类和对自我反思文本的定位。实验结果表明改进的K-Means算法在反思文本聚类的准确率和稳定性方面比传统算法有所提高，且能根据教学反思内容准确地进行自动分类
Abstract:
An accurate assessment of teaching reflection content is an important guarantee based on teachers' teaching reflection process to enhance their professional capabilities. Clustering the same theme of the teaching reflection text based on an improved K-Means algo-rithm,through given the initial cluster center K a value ranges,so that it can be automatically increased within the given range,during the clustering process,similarity threshold is introduced to limit the reflection texts' similarity ranges,realizing the teaching reflection text classification and the self-reflection text classification. The experiment result indicates the improved algorithm has a higher accuracy,bet-ter stability,and can accurately automatically classify according to the teaching reflection content

相似文献/References:

[1]黄文江 李翔 林祥.基于Chameleon算法的文本聚类技术研究[J].计算机技术与发展,2010,(06):1.
　HUANG Wen-jiang,LI Xiang,LIN Xiang.Research on Text Clustering Based on Chameleon Algorithm[J].,2010,(11):1.
[2]耿筱媛 张燕平 闫屹.改进的K—means算法在电信客户细分中的应用[J].计算机技术与发展,2008,(05):163.
　GENG Xiao-yuan,ZHANG Yan-ping,YAN Yi.Application of Improved K - means Algorithm Subdivision of Telecom Clients[J].,2008,(11):163.
[3]许高建.基于Web的文本挖掘技术研究[J].计算机技术与发展,2007,(06):187.
　XU Gao-jian.Research on Text Mining Techniques Web- Based[J].,2007,(11):187.
[4]费洪晓 穆珺 刘正.基于文本聚类和权重调整的用户兴趣建模算法[J].计算机技术与发展,2007,(02):128.
　FEI Hong-xiao,MU Jun,LIU Zheng.Study on User Profile Learning Algorithm Based on Document Clustering and Feature Weight Adjustment[J].,2007,(11):128.
[5]黄韬 刘胜辉 谭艳娜.基于k-means聚类算法的研究[J].计算机技术与发展,2011,(07):54.
　HUANG Tao,LIU Sheng-hui,TAN Yan-na.Research of Clustering Algorithm Based on K-means[J].,2011,(11):54.
[6]周婷,张君瑛,罗成.基于Hadoop的K-means聚类算法的实现[J].计算机技术与发展,2013,(07):18.
　ZHOU Ting[],ZHANG Jun-ying[],LUO Cheng[].Realization of K-means Clustering Algorithm Based on Hadoop[J].,2013,(11):18.
[7]谢秀华,李陶深.一种基于改进PSO的K-means优化聚类算法[J].计算机技术与发展,2014,24(02):34.
[8]李培,马力.网络用户兴趣的智能挖掘方法研究[J].计算机技术与发展,2014,24(02):76.
　LI Pei,MA Li.Research on Intelligent Mining Method for Web Users Interests[J].,2014,24(11):76.
[9]杨永涛,李静.一种改进的K-means数字资源聚类算法[J].计算机技术与发展,2014,24(06):107.
　YANG Yong-tao[],LI Jing[].An Improved K-means Clustering Algorithm for Digital Resources[J].,2014,24(11):107.
[10]周爱武 于亚飞.K-Means聚类算法的研究[J].计算机技术与发展,2011,(02):62.
　ZHOU Ai-wu,YU Ya-fei.The Research about Clustering Algorithm of K-Means[J].,2011,(11):62.
[11]杨丹,朱世玲,卞正宇.基于改进的K-means算法在文本挖掘中的应用[J].计算机技术与发展,2019,29(04):68.[doi:10. 3969 / j. issn. 1673-629X. 2019. 04. 014]
　YANG Dan,ZHU Shi-ling,BIAN Zheng-yu.Application of Improved K-means Algorithm in Text Mining[J].,2019,29(11):68.[doi:10. 3969 / j. issn. 1673-629X. 2019. 04. 014]

更新日期/Last Update: 1900-01-01