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4 百度停用词表实验结果统计

指标 第一簇 (艺术) 第二簇 (经济) 第三簇 (体育) 第四簇 (IT) 第五簇 (军事) 平均值 复旦 语料库 P 0.924 0.965 0.930 0.763 0.608 0.838 R 0.964 1 0.440 0.963 0.816 0.837 F1 0.944 0.982 0.597 0.851 0.697 0.814 指标 第一簇 (艺术) 第二簇 (体育) 第三簇 (经济) 第四簇 (军事) 第五簇 (IT) 平均值 搜狗 语料库 P 0.739 0.693 0.615 0.477 0.521 0.609 R 0.929 0.813 0.582 0.553 0.445 0.664 F1 0.823 0.748 0.598 0.512 0.480 0.632 指标 第一簇 (艺术) 第二簇 (体育) 第三簇 (经济) 第四簇 (IT) 第五簇 (军事) 平均值 中文 语料库 P 0.882 0.803 0.831 0.817 0.233 0.547 R 0.964 0.600 0.936 0.652 0.368 0.704 F1 0.921 0.687 0.884 0.725 0.285 0.700