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(kù)。
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(wèn)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(guò)程無(wú)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(wú)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(guò)程，文本表示模型，相似度計(jì)算及常見(jiàn)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(guò)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(wèn)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
