Classificação de documentos hierárquica usando o método de agrupamento de Ward

Neste artigo, discutimos a aplicação de um recente algoritmo de agrupamento hierárquico à classificação automática de arquivos de documentos. Enquanto a maioria dos algoritmos de agrupamento hierárquico envolve a geração e atualização de uma matriz de dissimilaridade entre objetos, este novo algoritmo é baseado em uma série de buscas pelo vizinho mais próximo. Tal abordagem é apropriada para vários métodos de agrupamento, incluindo o método de Ward, que demonstrou um bom desempenho em estudos experimentais de agrupamento hierárquico de documentos. Uma descrição é dada de heurísticas que podem aumentar a eficiência do novo algoritmo quando utilizado para agrupar três coleções de documentos pelo método de Ward.