Comparison of Clustering Algorithms in Text Clustering Tasks

Autores/as

  • Rafael Gallardo García Benemérita Universidad Autónoma de Puebla, Faculty of Computer Science
  • Beatriz Beltrán Benemérita Universidad Autónoma de Puebla, Language & Knowledge Engineering Lab
  • Darnes Vilariño Benemérita Universidad Autónoma de Puebla, Language & Knowledge Engineering Lab
  • Claudia Zepeda Benemérita Universidad Autónoma de Puebla, Faculty of Computer Science
  • Rodolfo Martínez Benemérita Universidad Autónoma de Puebla, Faculty of Computer Science

DOI:

https://doi.org/10.13053/cys-24-2-3369

Palabras clave:

Affinity propagation, f-measure, k-means, spectral clustering, PAN

Resumen

The purpose of this paper is to compare the performance and accuracy of several clustering algorithms in text clustering tasks. The text preprocessing were realized by using the Term Frequency - Inverse Document Frequency in order to obtain weights for each word in each text and then obtain weights for each text. The Cosine Similarity was used as the similarity measure between the texts. The clustering tasks were realized over the PAN dataset and three different algorithms were used: Affinity Propagation, K-Meansand Spectral Clustering. This paper presents the results in comparative tables: ID of the task, ground truth clusters and the clusters generated by the algorithms. A table with precision, recall and f-measure scores is presented.

Descargas

Publicado

2020-06-23

Número

Vol. 24 Núm. 2 (2020): Thematic Issue on Language & Knowledge Engineering (Guest editors: D. Pinto, B. Beltrán, A. Vázquez)

Sección

Articles of the Thematic Issue

Licencia

Transfiero exclusivamente a la revista “Computación y Sistemas”, editada por el Centro de Investigación en Computación (CIC), los Derechos de Autor del artículo antes mencionado, asimismo acepto que no serán transferidos a ninguna otra publicación, en cualquier formato, idioma, medio existente (incluyendo los electrónicos y multimedios) o por desarrollar.

Certifico que el artículo, no ha sido divulgado previamente o sometido simultáneamente a otra publicación y que no contiene materiales cuya publicación violaría los Derechos de Autor u otros derechos de propiedad de cualquier persona, empresa o institución. Certifico además que tengo autorización de la institución o empresa donde trabajo o estudio para publicar este Trabajo.

El autor, representante acepta la responsabilidad por la publicación del Trabajo en nombre de todos y cada uno de los autores.

Esta Transferencia está sujeta a las siguientes reservas:

  • Los autores conservan todos los derechos de propiedad (tales como derechos de patente) de este Trabajo, con excepción de los derechos de publicación transferidos al CIC, mediante este documento.
  • Los autores conservan el derecho de publicar el Trabajo total o parcialmente en cualquier libro del que ellos sean autores o editores y hacer uso personal de este trabajo en conferencias, cursos, páginas web personal, etc.