SOM聚類算法的改進(jìn)及其在文本挖掘中的應(yīng)用研究.pdf

1、情報(bào)是國(guó)防的靈魂，關(guān)系到一個(gè)國(guó)家的安危及進(jìn)步。而迅速發(fā)展的互聯(lián)網(wǎng)為國(guó)防新聞的搜集提供了最及時(shí)、最重要的來源。但是由于互聯(lián)網(wǎng)上的情報(bào)信息大多以半結(jié)構(gòu)化甚至非結(jié)構(gòu)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(dǎo)致情報(bào)人員容易在“數(shù)據(jù)海洋”、“信息迷霧”中迷失。因此有必要實(shí)現(xiàn)一個(gè)文本挖掘系統(tǒng)幫助情報(bào)人員自動(dòng)進(jìn)行分類、聚類信息，進(jìn)而快速?gòu)闹刑崛〕鲇行閳?bào)。
　　 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(shí)現(xiàn)該文本挖掘系

2、統(tǒng)時(shí)，關(guān)鍵的問題是如何進(jìn)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(guó)內(nèi)外研究現(xiàn)狀，再介紹了文本聚類的相關(guān)基礎(chǔ)理論，包括文本挖掘的理論和文本聚類的相關(guān)關(guān)鍵技術(shù)，著重介紹了自組織映射神經(jīng)網(wǎng)絡(luò)SOM聚類算法的工作原理、基本流程，并分析出SOM的優(yōu)缺點(diǎn)。
　　 針對(duì)SOM聚類算法的缺點(diǎn)，從兩方面對(duì)應(yīng)提出改進(jìn)方案，即一方面是針對(duì)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(lǐng)域本體將