一种处理文本文档可解释图谱聚类中负相似性的方法——扩展版
计算与语言
2025-12-02 v2 人工智能
摘要
本文研究了由不同于传统词项向量空间（如 doc2vec、GloVe 等）的文档嵌入所导致的负相似性图谱聚类问题。讨论了组合拉普拉斯算子与归一化拉普拉斯算子的解决方案。实验研究展示了文献中及本研究提出的 6 种不同解决方案的优缺点。研究表明，GloVe 嵌入常因负相似性导致基于归一化拉普拉斯算子的 GSC 失败。此外，应用消除相似性负值的方法可提高基于组合拉普拉斯算子与归一化拉普拉斯算子的 GSC 的准确率。这也使得作者最初为词项向量空间嵌入开发的解释方法能够适用于 GloVe 嵌入。
引用
@article{arxiv.2504.12360,
title = {A Method for Handling Negative Similarities in Explainable Graph Spectral Clustering of Text Documents -- Extended Version},
author = {Mieczysław A. Kłopotek and Sławomir T. Wierzchoń and Bartłomiej Starosta and Dariusz Czerski and Piotr Borkowski},
journal= {arXiv preprint arXiv:2504.12360},
year = {2025}
}
备注
1 figure, 17 pages, this is an extended version of a paper accepted for the 25th International Conference on Computational Science (ICCS), 7-9 July 2025