中文文本聚类常用停用词表对比研究*

官琴, 邓三鸿, 王昊

Chinese Stopwords for Text Clustering: A Comparative Study

Guan Qin,Deng Sanhong,Wang Hao

表13 全停用词表对比结果

文本类型 语料库 最优值 全停用词表 经济 复旦语料库 0.982 0.982 搜狗语料库 0.598 0.279 中文语料库 0.884 0.880 平均值 0.821 0.713 IT 复旦语料库 0.834 0.976 搜狗语料库 0.567 0.463 中文语料库 0.767 0.727 平均值 0.722 0.722 军事 复旦语料库 0.697 0.576 搜狗语料库 0.512 0.588 中文语料库 0.285 0.576 平均值 0.498 0.580 体育 复旦语料库 0.612 0.600 搜狗语料库 0.712 0.688 中文语料库 0.940 0.698 平均值 0.755 0.622 艺术 复旦语料库 0.937 0.986 搜狗语料库 0.853 0.827 中文语料库 0.943 0.922 平均值 0.911 0.912