基于词性的文本预处理及其聚类

代码说明：

由于传统的文本特征提取是基于建停用词表（库）进行文本的特征选择，该方式在文本 篇幅和数量巨大的情况下，其建立的停用词表将非常庞大，文本特征词的提取效率非常 低下，本算法采用基于词性的文本特征提取，由于中文词性数量有限，因此文本特征提 取效率很高，便于后期的文本聚类或分类。本算法分词依赖中科大的分词组件ICTCLAS50， 我在matlab版本为2011b上成功编译运行。