基于文本聚類的特征選擇算法研究.pdf

1、近年來，我們可以從電子出版物，Email，Web頁面獲得數(shù)目驚人的文檔。與此同時(shí)，大量的文檔也導(dǎo)致了人們搜尋、過濾和管理信息的困難，因此，管理和分析海量文本數(shù)據(jù)就非常重要了。
　　目前，研究文本聚類技術(shù)已經(jīng)成為文本數(shù)據(jù)挖掘的一個(gè)非常重要的方向。但是為了達(dá)到提高識(shí)別率的目的，通常會(huì)造成原始特征的數(shù)量巨大，原始特征可能達(dá)到幾千維，甚至更高。其中存在著大量的冗余特征，造成維度災(zāi)難。同時(shí)現(xiàn)有的聚類算法片面強(qiáng)調(diào)了效率的提高，忽略了對(duì)邊界類別

2、模糊樣本的處理而導(dǎo)致了聚類結(jié)果的正確率不高。
　　本文針對(duì)文本聚類面臨的維度災(zāi)難問題和現(xiàn)有的文本聚類算法進(jìn)行了分析和研究，主要做了以下工作：
　　首先，總結(jié)了現(xiàn)有的特征選擇方法和相似度度量，提出一種基于詞共現(xiàn)的特征選擇方法，提高了文本聚類的正確率，降低了特征選擇的冗余度，從而提高聚類算法的整體性能，達(dá)到了降維的目的。
　　其次，研究幾種比較流行的文本挖掘算法，對(duì)這些算法進(jìn)行了詳細(xì)的介紹，分析了各自的優(yōu)缺點(diǎn)，進(jìn)而提出一種