面向用戶興趣的web文檔聚類研究.pdf

1、隨著Internet上文本信息、Web頁面的迅速膨脹，使得人們想要在Internet上獲取所需要的信息顯得相當困難。因此，如何有效地對大量文本資源進行組織、管理，幫助用戶獲取真正需要的信息等，成為目前信息檢索領域中迫切需要解決的問題。 文本聚類是文本挖掘中非常重要的技術，它已經被廣泛的應用于信息管理、搜索引擎、推薦系統(tǒng)等多個領域。在文本聚類領域，k-means算法簡單且收斂速度快，是最常用的文本聚類算法之一，本文主要對該算法進行

2、研究并改進。 首先，為了克服k-means算法需要人工指定劃分聚簇個數且初始聚類中心隨機選擇的缺點，本文將基于密度的聚類算法與k-means算法相結合，提出了一種基于參考區(qū)域的初始化思想，將生成的初始劃分作為k-means算法迭代的基礎。實驗證明改進的k-means文本聚類算法能提高聚類結果的精度，同時保持了基于密度聚類算法的高效性。 其次，為了克服k-means算法在迭代過程中易于陷入局部極值的缺點，本文結合最優(yōu)化方法

3、的局部搜索思想，對k-means算法的聚類結果進行迭代調整。并根據文本數據的特點，采用多數文本同時調整的方式，減少算法迭代次數，擴大了搜索空間。理論和實驗分析表明這種改進方法能提高聚類的質量并保持原算法的時間效率。 最后，將文本聚類和用戶興趣挖掘技術相結合，構建了一個面向用戶興趣的文本聚類系統(tǒng)CSUI(Clustering System of Users’Interest)，該系統(tǒng)利用改進的k-means算法對用戶瀏覽內容進行聚