聚类算法在抽取文本数据中的模式结构时,忽略多个语种信息之间潜在的互补作用,得到的模式结构不.能充分反映数据的内在信息. 针对此问题,文中提出基于并行信息瓶颈的多语种文本聚类算法. 首先使用词袋模型.为文本数据的不同语种信息构建相应的相关变量. 然后将多种相关变量引入并行信息瓶颈方法,通过最大化地保.存模式结构与多个相关变量之间的信息,使得到的模式结构能够反映数据的多个语种信息. 最后提出基于信息论.的抽取合并方法优化文中算法的目标函数,保证其收敛到局部最优解. 实验表明,文中算法能有效处理文本数
