面向实体识别的聚类算法

来源：软件学报杂志2016年第9期北京时间：

作者：孙琛琛,申德荣,寇月,聂铁铮,于戈

单位：孙琛琛，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081911,申德荣，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081902,寇月，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081903,聂铁铮，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081904,于戈，东北大学 计算机科学与工程学院, 辽宁 沈阳 11081905

摘要：实体识别是数据质量的一个重要方面，对于大数据处理不可或缺.已有的实体识别研究工作聚焦于数据对象相似度算法、分块技术和监督的实体识别技术，而非监督的实体识别中匹配决定的问题很少被涉及.提出一种面向实体识别的聚类算法来弥补这个缺失.利用数据对象及其相似度构建带权重的数据对象相似图.聚类过程中，利用相似图上重启式随机游走来动态地计算类簇与结点的相似度.聚类的基本逻辑是，类簇迭代地吸收离它最近的结点.提出数据对象排序方法来优化聚类的顺序，提高聚类精确性；提出了优化的随机游走平稳概率分布计算方法，降低聚类算法开销.通过在真实数据集和生成数据集上的对比实验，验证了该算法的有效性.

关键词：实体识别;聚类;随机游走模型;簇点相似度;数据对象排序

基金资助：国家自然科学基金（61472070，61402213）；国家重点基础研究发展计划（973）（2012CB316201）；教育部基本科研业务费项目（N110404010）