面向实体识别的聚类算法

　　实体识别是数据质量的一个重要方面，对于大数据处理不可或缺，已有的实体识别研究工作聚焦于数据对象相似度算法、分块技术和监督的实体识别技术，而非监督的实体识别中匹配决定的问题很少被涉及．提出一种面向实体识别的聚类算法来弥补这个缺失．利用数据对象及其相似度构建带权重的数据对象相似图，聚类过程中，利用相似图上重启式随机游走来动态地计算类簇与结点的相似度．聚类的基本逻辑是，类簇迭代地吸收离它最近的结点．提出数据对象排序方法来优化聚类的顺序，提高聚类精确性；提出了优化的随机游走平稳概率分布计算方法，降低聚类算法开销．通过在真实数据集和生成数据集上的对比实验，验证了该算法的有效性．