基于向量空間模型文本聚類算法地研究

《基于向量空間模型文本聚類算法地研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。

1、天津大學碩士學位論文基于向量空間模型的文本聚類算法研究姓名：尉景輝申請學位級別：碩士專業(yè)：計算機應用技術指導教師：何丕廉20060101中文摘要Ｉｎｔｅｍｅｔ作為一個開放的、分布式的信息平臺，近年來得到了飛速的發(fā)展，其信息總量也出現(xiàn)了爆炸性增長。面對這些海量信息，人們很難迅速、有效地從中得到自己真正所需。為此，為了更好的組織和管理這此信息，文本分類和聚類的研究就顯得越來越重要了。本文對基于向量空間模型的文本聚類技術進行了研究和探討，主要內(nèi)容有：向量空間模型，文本聚類算法、聚類結(jié)果評價等。向量空間模型是進行大規(guī)模文本處理最簡便、高效的模型之

2、一。本文對向量空間模型中的基本原理進行了研究，包括：文本表示，文本預處理、特征項的選取、權重計算、文本相似度的度量及特征選擇等。并對向量空間模型的優(yōu)缺點做了深入的分析。本文研究和分析了現(xiàn)有的幾種常用的聚類算法：Ｋ－Ｍｅａｎｓ、凝聚層次法和ＤＢＳＣＡＮ。對于它們的性質(zhì)和特點進行了詳細分析。而且論述了文本聚類的結(jié)果評價方法。然后，針對Ｋ．Ｍｅａｎｓ算法的缺點，結(jié)合局部搜索算法，本文提出了一個基于局部搜索的Ｋ．Ｍｅａｎｓ算法ＬＳＫＭ，對它的性質(zhì)進行了深入的分析，從理論上說明了它的有效性及特點。為了驗證我們算法的有效性，在隨后的實驗中，以幾個不同

3、的標準測試集為基礎，對ＬＳＫＭ和Ｋ－Ｍｅａｎｓ算法進行了對比實驗，證明了我們的理論分析。對于實驗中出現(xiàn)一些問題，本文也從理論和進一步的實驗中做出了分析說明。關鍵詞：文本聚類向量空間模型Ｋ－Ｍｅａｎｓ算法局部搜索ＬＳＫＭ天津大學碩士學位論文致謝致謝本論文的工作是在我的導師何丕廉教授的悉心指導下完成的，導師嚴謹?shù)闹螌W態(tài)度和科學的工作方法給了我極大的幫助和影響。在此向?qū)煴硎局孕牡母兄x，感謝您在學習、工作和生活上給予我的無微不至的關心和幫助。孫越恒博士悉心指導我完成了實驗室的科研工作，在整個畢業(yè)設計期間他都給予了我很大的指導和幫助，這其中

4、包括算法設計、系統(tǒng)開發(fā)、論文撰寫等，在此向?qū)O越恒博士表示衷心的謝意。感謝天津大學電子信息學院的老師們在學習、生活上給予我的關心和幫助。感謝３１６、３１８實驗室的王中、戴維迪、陳治綱、程嵐嵐、趙青等同學都給予我大力支持，我為能在這樣團結(jié)友愛的團隊里工作而感到自豪。感謝我的父母及全家人多年來在生活、工作和學業(yè)上給予的無微不至的關懷和支持，感謝他們?yōu)槲宜冻龅囊磺小８兄x在百忙之中閱讀評審本文的專家學者。謹向所有關心和幫助過我的人致以衷心的謝意。