本研究所提出的漸進式分群為混合式資訊檢索技術，首先採用SVM對新進文件判斷其是否屬於既有類別，SVM可以有效降低分群計算量與分群雜訊；再利用改良式CBC演算法先針對尚未分類之文件進行分群，然後利用相似群合併機制決定最終群數產生新類別，此機制利用向量長度的特性提升分群品質。經實驗數據顯示，改良式CBC分群方法優於原CBC分群方法，且提出的漸進式分群亦優於改良式CBC分群方法。 In the study, a new hybrid incremental clustering method is proposed in combination with Support Vector Machine (SVM) and enhanced Clustering by Committee (CBC) algorithm. SVM classifies the incoming document to see if it belongs to the existing classes.
