基于近鄰傳播和凝聚層次的文本聚類方法.pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展，網(wǎng)絡(luò)信息成爆炸式增長。如何快速、準(zhǔn)確的從這些海量數(shù)據(jù)中獲得有用的信息成為了人們關(guān)注的焦點(diǎn)。作為處理和組織大量文本數(shù)據(jù)的關(guān)鍵技術(shù)，文本聚類可以在很大程度上解決信息雜亂和信息爆炸所帶來的問題，而且它作為信息過濾、信息檢索、文本數(shù)據(jù)庫、數(shù)字化圖書館等領(lǐng)域的技術(shù)基礎(chǔ)，有著廣闊的應(yīng)用前景。
　　近鄰傳播聚類算法是最近提出的一個(gè)新的聚類方法，具有迭代速度快，聚類效果好等優(yōu)點(diǎn)，但是將該方法用于中文文本聚類上的研究還不多見。

2、本文將近鄰傳播聚類算法引入到文本聚類領(lǐng)域，并在此基礎(chǔ)上進(jìn)行改進(jìn)，提出了一種基于近鄰傳播和凝聚層次的文本聚類算法。本文的研究內(nèi)容主要包括以下幾個(gè)方面：
　?。?）分析了近鄰傳播聚類算法在文本聚類上所存在的問題，在此基礎(chǔ)上提出了一種通過兩次特征選擇和結(jié)合凝聚層次聚類算法的新方法來改進(jìn)近鄰傳播聚類的結(jié)果。
　?。?）對(duì)基于近鄰傳播和凝聚層次的文本聚類算法進(jìn)行改進(jìn)，提出了一種基于數(shù)據(jù)劃分的增量聚類算法，先將大數(shù)據(jù)集分成多個(gè)小的數(shù)據(jù)集