a reproduced project from papar : Weizhong Zhao, Qing He, Huifang Ma, and Zhongzhi Shi. Effective semi-supervised document clustering via active learning with instance-level constraints.
半监督文档聚类,即利用少量具有监督信息的数据来辅助无监督文档聚类,近几年来逐渐成为机器学习和数据挖掘领域研究的热点问题。由于获取大量监督信息费时费力,因此国内外学者考虑如何获得少量但对聚类性能提高显著的监督信息。提出一种结合主动学习的半监督文档聚类算法,通过引入成对约束信息指导DBSCAN的聚类过程来提高聚类性能,得到一种半监督文档聚类算法Cons-DBSCAN。通过对约束集中所含信息量的衡量和对DBSCAN算法本身的分析,提出了一种启发式的主动学习算法,能够选取含信息量大的成对约束集,从而能够更高效地辅助半监督文档聚类。实验结果表明,所提出的算法能够高效地进行文档聚类。通过主动学习算法获得的成对约束集,能够显著地提高聚类性能。并且,算法的性能优于两个代表性的结合主动学习的半监督聚类算法。