基于本體的文本聚類的應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)的廣泛使用與網(wǎng)絡(luò)技術(shù)的深入發(fā)展，人們更多的將各種資料信息以電子文本的形式存儲(chǔ)于計(jì)算機(jī)及網(wǎng)絡(luò)空間中。這些文本信息的大規(guī)模增長(zhǎng)，導(dǎo)致人們對(duì)信息的過濾、篩選出現(xiàn)困難，如何對(duì)這些文本進(jìn)行比較或是對(duì)文檔的相關(guān)性進(jìn)行分析從中得到隱藏的、潛在的有用的信息，進(jìn)而為人們的工作提供一定的指導(dǎo)與線索，成為了亟待解決的問題。
　　 文本聚類技術(shù)是將文本集聚合為由若干個(gè)文本簇組成的集合，是一種無監(jiān)督的文本處理方法。文本聚類方法作為文本數(shù)據(jù)挖掘領(lǐng)

2、域中的主要方法之一，經(jīng)常并有效的被用于信息檢索領(lǐng)域。對(duì)大規(guī)模無規(guī)律的文本信息進(jìn)行劃分，是文本聚類的一個(gè)重要的應(yīng)用研究。本文主要是將文本聚類技術(shù)應(yīng)用于某單位所搜集的大量文本信息中，通過對(duì)其進(jìn)行處理，將信息聚類，為該單位進(jìn)一步的分析工作提供一定的線索。
　　 本文介紹了文本聚類的概念，針對(duì)具體的應(yīng)用需求，說明了聚類過程中的文本預(yù)處理、特征選擇、文本向量表示及特征詞的權(quán)重計(jì)算等方面的工作。針對(duì)文本聚類中忽略特征詞之間的關(guān)系問題，本文引