基于粗糙集的Web文本KNN分類方法及在金融中的應(yīng)用研究.pdf

1、隨著金融市場(chǎng)的全球化發(fā)展以及計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的廣泛應(yīng)用，全球金融市場(chǎng)已經(jīng)開始走向金融網(wǎng)絡(luò)化。與此同時(shí)，互聯(lián)網(wǎng)業(yè)已成為企業(yè)、機(jī)構(gòu)和個(gè)人獲取金融信息的主要來(lái)源:作為專業(yè)金融信息服務(wù)提供商或是個(gè)人，在面對(duì)如此海量、繁雜的互聯(lián)網(wǎng)金融信息資源時(shí)不可避免會(huì)遇到一個(gè)巨大的挑戰(zhàn)，即如何從互聯(lián)網(wǎng)中實(shí)時(shí)、快速地分類和處理金融數(shù)據(jù)，如何提高Web金融數(shù)據(jù)獲取效率和質(zhì)量，從而改善公司金融信息服務(wù)質(zhì)量，提升公司在金融信息服務(wù)行業(yè)的核心競(jìng)爭(zhēng)力，這也成為當(dāng)今學(xué)術(shù)界研究

2、的重點(diǎn)問(wèn)題之一。
　　 隨著信息技術(shù)和通訊技術(shù)的發(fā)展，自動(dòng)信息分類技術(shù)已經(jīng)成為人們有效的金融信息分類工具。當(dāng)今，Web文本分類的中文信息處理是一個(gè)重要的研究領(lǐng)域。其目標(biāo)是分析文本內(nèi)容的基礎(chǔ)上，分配一個(gè)文本到更合適的類別，以便提高文本檢索應(yīng)用程序的處理效率。目前有許多方法應(yīng)用到此技術(shù)中去。
　　 目前，K最近鄰算法（KNN）被認(rèn)為是向量空間模型下最好的分類算法之一。KNN算法也是文本自動(dòng)分類領(lǐng)域中的一種常用算法，對(duì)于低維度

3、的文本分類，其分類準(zhǔn)確率較高。然而在處理大量高維度文本時(shí)，傳統(tǒng)的KNN算法由于需處理大量訓(xùn)練樣本導(dǎo)致樣本相似度的計(jì)算量增加，降低了分類效率。為解決這個(gè)問(wèn)題，人們利用粗糙集對(duì)高維文本信息進(jìn)行屬性約簡(jiǎn)，刪除冗余屬性?，F(xiàn)在相繼有了一些粗糙集和KNN的混合分類方法，主要是在屬性約簡(jiǎn)方面去做研究。雖然效率上比傳統(tǒng)的單一的KNN算法在分類效率上有了很大提高，但是仍有很大的改進(jìn)空間。于此，本文在基于粗糙集和KNN算法的基礎(chǔ)上，將給出一種基于粗糙集的K

4、NN分類系統(tǒng)模型和結(jié)合金融環(huán)境下的分類應(yīng)用系統(tǒng)。在模型和系統(tǒng)中，我們將引入一種改進(jìn)型分明矩陣的約簡(jiǎn)方法來(lái)約簡(jiǎn)屬性，并采用一種改進(jìn)型的CHI和模式聚合方法來(lái)處理特征提取階段，這樣使特征向量的個(gè)數(shù)大大的有效約簡(jiǎn)，減少分類階段的數(shù)據(jù)輸入量，從而提高整個(gè)分類系統(tǒng)的分類效率，降低分類系統(tǒng)的時(shí)間和空間復(fù)雜度。在本文中，我們還通過(guò)實(shí)驗(yàn)結(jié)果與分析，說(shuō)明了這種基于粗糙集的KNN改進(jìn)的分類算法比目前一般的基于粗糙集的KNN分類算法，在分類效率上有了很大的提

5、高。
　　 本文在分析Web文本挖掘與Web文本分類的研究現(xiàn)狀和存在問(wèn)題的基礎(chǔ)上，主要研究了Web文本分類關(guān)鍵技術(shù)、方法和基于粗糙集和KNN的混合Web文本改進(jìn)分類算法。本文的主要工作包括一下內(nèi)容:
　　 (1)介紹Web挖掘、Web文本挖掘、Web文本分類、粗糙集的基礎(chǔ)理論和相關(guān)知識(shí)，介紹Web文本分類過(guò)程中的關(guān)鍵技術(shù)。
　　 (2)給出結(jié)合粗糙集與KNN的Web文本分類系統(tǒng)模型。
　　 (3)給出一種