2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩69頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、聚類技術(shù)是數(shù)據(jù)挖掘中一個(gè)非常重要的技術(shù)方法,被廣泛應(yīng)用于多個(gè)研究領(lǐng)域。隨著網(wǎng)絡(luò)的逐漸普及和發(fā)展,文本數(shù)據(jù)成爆炸似增長(zhǎng),聚類被大量應(yīng)用于文本數(shù)據(jù)集聚類,使在同一個(gè)文本簇中的文本相似度大,而在不同文本簇中的文本相似度小。文本聚類是一個(gè)無(wú)監(jiān)督的聚類過(guò)程。協(xié)同聚類是在文本聚類上作了一些改進(jìn),在聚類過(guò)程中將文本屬性和特征詞屬性同時(shí)進(jìn)行聚類,提高了傳統(tǒng)文本聚類的性能。由于單一聚類或協(xié)同聚類的性能不太穩(wěn)定,難以表示出數(shù)據(jù)集的分布結(jié)構(gòu)。為了提高算法的穩(wěn)

2、定性,學(xué)者們又提出了聚類集成的概念。得到多個(gè)具有差異性的基聚類結(jié)果,使用一個(gè)共識(shí)函數(shù)對(duì)基聚類結(jié)果進(jìn)行集成,最后得到穩(wěn)定的聚類結(jié)果。
  協(xié)同文本聚類是將文本屬性和特征詞屬性同時(shí)或交替進(jìn)行聚類,充分考慮到了文本間、特征詞間、文本與特征詞間的相似性。因?yàn)槲谋緮?shù)據(jù)結(jié)構(gòu)的特殊性(非結(jié)構(gòu)或半結(jié)構(gòu)),在文本預(yù)處理時(shí)必須對(duì)文本進(jìn)行表示。傳統(tǒng)的向量空間模型是基于特征詞獨(dú)立性這一假設(shè)前提的,但實(shí)際上特征詞間存在著某種相似性。本文采用雙詞的向量空間模

3、型對(duì)文本進(jìn)行表示,保留在文本中出現(xiàn)頻率高的雙詞。雙詞向量空間模型不僅保留了傳統(tǒng)向量空間模型的全部信息,而且還多增加了一些能表示文本主題的信息。實(shí)驗(yàn)證明采用雙詞模型的協(xié)同文本聚類效果明顯好于傳統(tǒng)模型的協(xié)同文本聚類。
  由于雙詞向量空間模型的高維和稀疏性,在協(xié)同聚類之前必須對(duì)特征詞維數(shù)進(jìn)行約減。方差波動(dòng)描述了一個(gè)特征向量對(duì)文本聚類的貢獻(xiàn)程度,忽略了特征向量間的相似性。相關(guān)系數(shù)既表示了一個(gè)特征向量對(duì)文本聚類的貢獻(xiàn)程度,又描述了兩兩特征

4、向量間的相似性;同時(shí)矩陣分塊的方法也大大減少了算法的運(yùn)行時(shí)間。在協(xié)同聚類的調(diào)整算法中,文本聚類結(jié)果與特征詞聚類結(jié)果一一對(duì)應(yīng),有利于文本主題的發(fā)現(xiàn)。
  對(duì)文本進(jìn)行單一的協(xié)同聚類得到的聚類性能不太穩(wěn)定,本文在協(xié)同文本聚類后又進(jìn)行了集成?;陔x差平方和的數(shù)據(jù)片段集成方法是在基聚類結(jié)果上得到多個(gè)文本數(shù)據(jù)片段(數(shù)據(jù)片段個(gè)數(shù)遠(yuǎn)遠(yuǎn)小于原數(shù)據(jù)點(diǎn)數(shù)),在數(shù)據(jù)片段上采用一個(gè)共識(shí)函數(shù)進(jìn)行集成,得到最后的聚類結(jié)果。實(shí)驗(yàn)結(jié)果表明,協(xié)同文本聚類集成方法提高

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論