SOM聚類算法的改進及其在文本挖掘中的應用研究.pdf

1、情報是國防的靈魂，關系到一個國家的安危及進步。而迅速發(fā)展的互聯(lián)網為國防新聞的搜集提供了最及時、最重要的來源。但是由于互聯(lián)網上的情報信息大多以半結構化甚至非結構化的自由文本的形式存在，而且數(shù)量之大，讓人無法形容，導致情報人員容易在“數(shù)據海洋”、“信息迷霧”中迷失。因此有必要實現(xiàn)一個文本挖掘系統(tǒng)幫助情報人員自動進行分類、聚類信息，進而快速從中提取出有效情報。
　　 文本聚類是文本挖掘中最基本、也是最重要的功能，因此在實現(xiàn)該文本挖掘系

2、統(tǒng)時，關鍵的問題是如何進行文本聚類以及如何提高聚類的效率。本文先分析了文本聚類的研究背景、國內外研究現(xiàn)狀，再介紹了文本聚類的相關基礎理論，包括文本挖掘的理論和文本聚類的相關關鍵技術，著重介紹了自組織映射神經網絡SOM聚類算法的工作原理、基本流程，并分析出SOM的優(yōu)缺點。
　　 針對SOM聚類算法的缺點，從兩方面對應提出改進方案，即一方面是針對傳統(tǒng)上基于向量空間模型表示的輸入向量存在高維稀疏及缺乏語義支持的問題，提出基于領域本體將