大数据中一种基于语义特征阈值的层次聚类方法

来源：电子与信息学报杂志2015年第12期北京时间：

作者：罗恩韬, 王国军

单位：2.(中南大学信息科学与工程学院 长沙 410083) ②(湖南科技学院电子与信息学院 永州 425006)

摘要：云计算、健康医疗、街景地图服务、推荐系统等新兴服务促使数据的种类和规模以前所未有的速度增长，数据量的激增会导致很多共性问题。例如数据的可表示，可处理和可靠性问题。如何有效处理和分析数据之间的关系，提高数据的划分效率，建立数据的聚类分析模型，已经成为学术界和企业界共同亟待解决的问题。该文提出一种基于语义特征的层次聚类方法，首先根据数据的语义特征进行训练，然后在每个子集上利用训练结果进行层次聚类，最终产生整体数据的密度中心点，提高了数据聚类效率和准确性。此方法采样复杂度低，数据分析准确，易于实现，具有良好的判定性。

关键词：大数据, 数据抽取, 层次聚类, 聚类分析

基金资助：国家自然科学基金(60173037, 6272496, 61272151)，湖南省教育厅科研项目(2015C0589)，湖南科技学院重点学科项目