基于自組織特征映射的海洋文獻聚類分析的研究與實現.pdf

1、隨著國家海洋戰(zhàn)略的實施，與海洋有關的Web文獻數迅速增長。對海洋文獻進行聚類分析，有助于海洋信息挖掘，這對于海洋科技有重要意義。 中文文檔聚類分析包括數據庫文檔抽取、文檔中文分詞、構建文檔集的表示模型、基于文檔集模型進行聚類分析等步驟。與英文文檔處理不同，中文文檔的處理必須先進行分詞。常見的分詞方法有基于字符串匹配的、基于理解的和基于統(tǒng)計的三種方法。目前的分詞方法基本滿足了實際需求，關鍵是選擇合適的分詞軟件。信息獲取領域中，一般

2、采用向量空間模型作為文檔集的表示模型，從該模型可容易地計算出文檔之間的相關度，因而可用于文檔聚類分析。聚類算法有很多，如基于劃分的、基于層次的、基于密度的等多種算法，算法選擇取決于應用目的。 為構建基于自組織特征映射神經網絡的海洋文獻聚類系統(tǒng)，本文分析了中文分詞的常用方法，研究了文檔集的表示模型以及各種聚類算法，設計并實現了一個基于自組織特征映射神經網絡的文檔聚類分析系統(tǒng)OCA，主要工作及創(chuàng)新點如下： 1.在分析和比較各

3、種聚類算法的基礎上，選擇自組織特征映射(SOM)神經網絡作為海洋文獻聚類分析的算法，這里的SOM神經網絡采用廚師帽獲勝鄰域，鄰域內神經元調整權值。 2.研究了中文分詞技術，比較了各種分詞方法，選擇分詞準確率高的軟件MMSEG實現對中文海洋文獻的分詞。 3.用向量空間模型表示文檔集，用廣為接受的TFIDF表示詞匯對文檔語義的貢獻。 4.在Eclipse環(huán)境下用Java實現了一個基于SOM的海洋文獻聚類系統(tǒng)OCA，從