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8 全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 0.938 0.965 0.943 0.976 0.438 0.852 R 0.979 1 0.440 0.976 0.842 0.847 F1 0.986 0.982 0.600 0.976 0.576 0.855 指标 第一簇 (艺术) 第二簇 (经济) 第三簇 (军事) 第四簇 (体育) 第五簇 (IT) 平均值 搜狗 语料库 P 0.787 0.325 0.468 0.876 0.446 0.580 R 0.871 0.245 0.789 0.567 0.482 0.591 F1 0.827 0.279 0.588 0.688 0.463 0.586 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 0.833 0.831 0.831 0.467 0.769 R 0.964 0.600 0.936 0.646 0.750 0.779 F1 0.922 0.698 0.880 0.727 0.576 0.774