静态与动态场景下的文档聚类博弈

本文中我们提出一种用于文档聚类的博弈论模型。每个待聚类文档被表示为一个玩家，每个簇表示为一种策略。玩家通过与其他玩家交互获得奖励，并试图通过选择最佳策略来最大化奖励。数据的几何结构由编码文档间两两相似度的加权图建模，从而使得相似玩家被约束选择相似策略，并在博弈的每次迭代中更新其策略偏好。我们采用不同方法寻找簇的原型元素，并据此将玩家划分为两个不相交集合：一个收集具有确定策略的玩家，另一个收集试图从他人学习正确策略的玩家。后一集合的玩家可被视为需根据已有信息聚类的新数据点。该表示在数据为连续流式的场景中十分有用。系统评估在13个文档数据集上采用不同设置进行。结果表明，与多种文档聚类算法相比，所提方法表现良好。