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5 四川大学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 0.907 0.957 0.971 0.963 0.432 0.846 R 0.979 1 0.447 0.976 0.789 0.838 F1 0.942 0.978 0.612 0.969 0.558 0.812 指标 第一簇 (体育) 第二簇 (艺术) 第三簇 (经济) 第四簇 (IT) 第五簇 (军事) 平均值 搜狗 语料库 P 0.614 0.424 0.743 0.455 0.040 0.455 R 0.847 0.443 0.555 0.305 0.053 0.441 F1 0.712 0.434 0.640 0.365 0.046 0.439 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 0.899 0.993 0.644 0.839 0.326 0.740 R 0.950 0.893 0.791 0.634 0.421 0.738 F1 0.924 0.940 0.701 0.740 0.367 0.734