잠재 의미 색인을 사용한 K-평균 텍스트 문서 클러스터링 최적화 및 필라 알고리즘

문서 클러스터링은 방대한 양의 디지털 텍스트 문서를 관리하는 데 중요한 도구입니다. 본 논문에서는 텍스트 문서를 클러스터링하는 새로운 접근 방식을 소개합니다. 먼저, 텍스트는 전처리되고 역색인(inverted index)을 사용하여 색인화됩니다. 그런 다음 TF-DF 임계값을 사용하여 색인이 조정됩니다. 그 후, TF-IDF를 기반으로 합성 문서 행렬(Term Document Matrix)이 구축됩니다. 다음 단계에서는 잠재 의미 색인(Latent Semantic Indexing)을 사용하여 합성 문서 행렬에서 중요한 특성을 추출합니다. 그 후 과정은 필라 알고리즘을 통해 시드를 선택하는 것입니다. 결정된 시드에 따라 K-평균 클러스터링이 수행됩니다. 실험 결과, 이 접근 방식이 표준 K-평균 문서 클러스터링보다 우수함을 증명합니다.