基于随机校正层级同质性的金融投诉文本聚类参数确定方法
DOI: http://dx.doi.org/10.12349/tie.v3i8.11545
Article ID: 11545
摘要
金融投诉文本聚类对参数敏感,现有内部指标又难以反映业务语义,并可能因簇数增加而高估过碎划分。为此,提出随机校正层级同质性参数确定方法AHH:以文本自带的两级业务标签为弱监督信号,保留V-measure同质性的非对称方向,舍弃限制细分的完整性分量,引入期望互信息校正偶然一致性,并调和粗、细两层得分。CFPB的32组候选实验中,AHH选出的划分在留出NMI-ARI联合指标上排名第一,优于五种基线;在另外八个公开数据集上总体保持前列,OnCoCo揭示了粗层标签退化时的适用边界。结果表明,AHH可将依赖经验的几何试参转化为业务语义驱动、过程可复现的自动选参。
关键词
聚类评价指标;聚类参数确定;弱监督;细粒度问题发现;双标签
全文:
PDF参考
贺文灏, 吴春江, 周世杰, 等. 融合无监督SimCSE的短文本聚类研究[J]. 计算机科学, 2023, 50(11): 71-76.
徐菲菲, 陈赛红. 中文文本主题聚类算法研究综述[J]. 上海电力大学学报, 2021, 37(6): 613-619.
苏桂娜. 基于标准化自适应参数的密度聚类算法研究[J]. 电子技术与软件工程, 2023(3): 247-251.表 1 CFPB 数据上六种方法的 HDBSCAN 选参结果选参准则nn/mcsK覆盖率NMIAMIARI联合指标值联合排名轮廓系数30/40550.56050.50090.40540.11290.87198Calinski-Harabasz30/40550.56050.50090.40540.11290.87198Davies-Bouldin5/38810.71400.58050.23580.08470.812719相对DBCV10/40460.74900.44780.38100.06370.619329Cat1 V-measure30/80250.66890.46040.41500.06290.623928AHH(本文)30/35250.56680.58350.31200.11960.96851
Refbacks
- 当前没有refback。
版权所有(c)2026 陶 天立, 师 金钢

此作品已接受知识共享署名-非商业性使用 4.0国际许可协议的许可。