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6 哈尔滨工业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 0.924 0.948 0.943 0.732 0.667 0.843 R 0.950 1 0.440 0.970 0.816 0.835 F1 0.937 0.973 0.600 0.834 0.734 0.816 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 搜狗 语料库 P 0.788 1 0.545 0.535 0.092 0.592 R 0.929 0.840 0.382 0.604 0.105 0.572 F1 0.853 0.913 0.449 0.567 0.098 0.576 指标 第一簇 (艺术) 第二簇 (经济) 第三簇 (军事) 第四簇 (IT) 第五簇 (体育) 平均值 中文语料库 P 0.937 0.438 0.135 0.743 0.605 0.572 R 0.950 0.636 0.105 0.793 0.393 0.575 F1 0.943 0.504 0.116 0.767 0.426 0.551