基于文本的聚類算法研究 【畢業(yè)論文】

基于文本的聚類算法研究 【畢業(yè)論文】

ID:326512

大?。?53.00 KB

頁數(shù):32頁

時(shí)間:2017-07-23

基于文本的聚類算法研究  【畢業(yè)論文】_第1頁
基于文本的聚類算法研究  【畢業(yè)論文】_第2頁
基于文本的聚類算法研究  【畢業(yè)論文】_第3頁
基于文本的聚類算法研究  【畢業(yè)論文】_第4頁
基于文本的聚類算法研究  【畢業(yè)論文】_第5頁
資源描述:

《基于文本的聚類算法研究 【畢業(yè)論文】》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、摘要聚類作為一種知識(shí)發(fā)現(xiàn)的重要方法,它廣泛地與中文信息處理技術(shù)相結(jié)合,應(yīng)用于網(wǎng)絡(luò)信息處理中以滿足用戶快捷地從互聯(lián)網(wǎng)獲得自己需要的信息資源。文本聚類是聚類問題在文本挖掘中的有效應(yīng)用,它根據(jù)文本數(shù)據(jù)的不同特征,按照文本間的相似性,將其分為不同的文本簇。其目的是要使同一類別的文本間的相似度盡可能大,而不同類別的文本間的相似度盡可能的小。整個(gè)聚類過程無需指導(dǎo),事先對(duì)數(shù)據(jù)結(jié)構(gòu)未知,是一種典型的無監(jiān)督分類。本文首先介紹了文本聚類的相關(guān)的技術(shù),包括文本聚類的過程,文本表示模型,相似度計(jì)算及常見聚類算法。本文主要研究的聚類主要方法是k-均值和SOM算法,介紹了兩種算法的基本思想和實(shí)現(xiàn)步驟,并分析兩種算法的

2、聚類效果。同時(shí)介紹了兩種算法的改進(jìn)算法。關(guān)鍵詞:文本聚類聚類方法K-MEANSOMIIAbstractClusteringasanimportantknowledgediscoverymethod,whichextensivelywithChineseinformationprocessingtechnology,usedinnetworkinformationprocessingtomeettheuserstoquicklyaccessfromtheInternet,theinformationresourcestheyneed.Textclusteringisaclusteringpr

3、oblemintheeffectiveapplicationoftextmining,whichaccordingtothedifferentcharacteristicsoftextdata,accordingtothesimilaritybetweenthetext,thetextwillbedividedintodifferentclusters.Theaimistomakethesameclassaslargeaspossiblethesimilaritybetweenthetext,anddifferenttypesoftextassmallaspossiblethesimila

4、ritybetween.Theclusteringprocesswithoutguidance,priortothedatastructureisunknown,isatypicalunsupervisedclassification.Thispaperstudiestheeffectofinfluencingfactorsthattextclustering,textrepresentationofthemodelsuchastheBooleanmodel,vectorspacemodel,probabilisticretrievalmodelandlanguagemodel.Alsos

5、tudiedtheanalysisofsuchtextclusteringalgorithm:hierarchicalclustering,agglomerativehierarchicalclusteringalgorithm,hierarchicalclusteringalgorithmtosplitandsoon.Alsostudiedthetextclusteringalgorithmanalysisandmethodsofimprovement.Keywords:Textclusteringclusteringmethodk-meansomII基于文本的聚類算法研究目錄摘要IVA

6、bstractV目錄VI第一章緒論11.1課題研究的背景11.2課題研究的意義2第二章文本聚類效果影響因素32.1文本聚類過程32.2文本表示模型42.2.1布爾模型52.2.2向量空間模型52.3文本相似度計(jì)算62.4文本聚類算法82.5本章小結(jié)11第三章k-均值聚類算法123.1K-均值聚類算法的思想123.1.1K-均值聚類算法的基本思想123.1.2K-均值聚類算法的算法流程123.1.3K-均值算法的優(yōu)缺點(diǎn)分析133.1.4現(xiàn)有的對(duì)于K-均值聚類算法的改進(jìn)153.1.5現(xiàn)有基于初始中心點(diǎn)改進(jìn)的K-均值聚類算法163.2本章小結(jié)17第四章SOM聚類算法184.1SOM聚類算法的網(wǎng)絡(luò)

7、特性與基本流程18基于文本的聚類算法研究4.1.1SOM網(wǎng)絡(luò)的特性184.1.2SOM網(wǎng)絡(luò)聚類的基本流程194.1.3SOM網(wǎng)絡(luò)聚類的優(yōu)點(diǎn)及存在的問題194.2改進(jìn)的SOM聚類方法204.2.1已有的學(xué)習(xí)策略改進(jìn)204.2.2等離差理論在神經(jīng)元獲勝策略中的應(yīng)用改進(jìn)214.2.3初始化連接權(quán)值224.2.4已有的初始化連接權(quán)的方法224.2.5新的確定初始權(quán)值的方法234.3本章小結(jié)25參考文獻(xiàn)26致謝28基于文本的聚類算

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。