基于蟻群的文本聚類算法的改進研究.pdf

1、聚類方法的研究是一個古老但是一直富有挑戰(zhàn)的問題，然而如今Internet上的文本信息飛速的增長，人們在大量文本中獲取信息的需求也隨之升高，所以對于文本聚類技術(shù)的研究更顯重要。近些年，人們受自然界中螞蟻堆積尸體、分類幼體等現(xiàn)象的啟發(fā)，由Deneubourg等人首先提出了基于蟻群的聚類算法。蟻群聚類算法與文本聚類技術(shù)的結(jié)合就形成了基于蟻群的文本聚類算法。該方法對于解決文本聚類問題顯示了較好的前景，但當(dāng)前還不完善，值得進一步研究。 本

2、文對標(biāo)準(zhǔn)的蟻群聚類算法以及后來典型的改進算法進行了研究，發(fā)現(xiàn)在一些情況下不能得到滿意的聚類結(jié)果。其原因可歸結(jié)為兩個方面：一方面是由于算法本身不夠完善，螞蟻的行動缺乏目的性，螞蟻的“拾起”“移動”“放下”的動作都有很大的隨機性，影響了算法的收斂，另外當(dāng)螞蟻周圍的環(huán)境發(fā)生變化時，螞蟻的狀態(tài)不能做出調(diào)整；另一方面，文本的相似度計算不夠精確，以往的聚類方法大多采用基于VSM的關(guān)鍵詞匹配的文本相似度計算方法，這種方法的最大的缺點就是忽略了詞之間的

3、語義信息，忽略了各維度之間的聯(lián)系。 本文針對以上兩個問題對當(dāng)前的蟻群聚類算法進行改進，其關(guān)鍵創(chuàng)新點在于： 1.擴展蟻群聚類算法，通過為螞蟻增加兩個記憶器，使螞蟻在對文檔的拾起，移動方向的選擇，放下位置的選擇上更有目的性，另外通過對比較概率以及螞蟻觀察半徑的動態(tài)調(diào)整，增強了螞蟻對環(huán)境的適應(yīng)性。 2.在文本聚類的相似度計算上引入基于語義的方法——基于本體的相似度計算方法，來提高文本相似度的計算精度，并以WordNet