基于工程項(xiàng)目文檔的文本挖掘系統(tǒng)的研究與實(shí)現(xiàn).pdf_第1頁(yè)
已閱讀1頁(yè),還剩71頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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、隨著計(jì)算機(jī)應(yīng)用技術(shù)的發(fā)展,電子文檔的數(shù)量呈爆炸的趨勢(shì)增長(zhǎng)。各種形式的電子文檔中蘊(yùn)涵著豐富的信息,但由于它們是以非結(jié)構(gòu)化或半結(jié)構(gòu)化形式存儲(chǔ)的,所以無(wú)法用傳統(tǒng)的數(shù)據(jù)挖掘方法對(duì)其進(jìn)行信息挖掘。在這種情況下,文本挖掘技術(shù)成了新的研究熱點(diǎn)。文本挖掘過程以特征的提取、表示和選擇為基礎(chǔ),將非結(jié)構(gòu)化(半結(jié)構(gòu)化)的文檔數(shù)據(jù)形式轉(zhuǎn)換成結(jié)構(gòu)化的,然后運(yùn)用文本分類、聚類、關(guān)聯(lián)分析、分布分析和趨勢(shì)預(yù)測(cè)等方法提取有用的知識(shí)。文本挖掘以最普遍、最自然的信息存儲(chǔ)形式-

2、-文本為研究對(duì)象,具有很廣闊的研究前景。
   目前,文本挖掘主要被應(yīng)用于互聯(lián)網(wǎng)領(lǐng)域的網(wǎng)頁(yè)分類、相關(guān)檢索、垃圾郵件過濾等方面,但在擁有大量技術(shù)文檔的企業(yè)管理信息系統(tǒng)中,對(duì)文本挖掘的應(yīng)用研究還很少。針對(duì)這個(gè)問題,本文以中石化項(xiàng)目“工程項(xiàng)目投標(biāo)報(bào)價(jià)智能決策支持系統(tǒng)”的“文本管理模塊”為對(duì)象,根據(jù)工程項(xiàng)目文檔的特點(diǎn)和應(yīng)用需求,設(shè)計(jì)并開發(fā)了“基于工程項(xiàng)目文檔的文本挖掘系統(tǒng)”。該系統(tǒng)實(shí)現(xiàn)了文檔的結(jié)構(gòu)化管理,并通過提出的算法對(duì)文本信息進(jìn)行深

3、入的挖掘。
   首先,本文采用非負(fù)矩陣因子分解法(NMF)對(duì)工程項(xiàng)目文檔進(jìn)行聚類并提取類名,同時(shí)生成了基于概念的文本特征表示空間。在此基礎(chǔ)上,本文提出了“基于概念全信息空間的文本知識(shí)挖掘算法”,該算法將經(jīng)典的全信息理的思想應(yīng)用于概念空間模型中,從應(yīng)用的角度出發(fā)度量特征攜帶的全信息量,與傳統(tǒng)的僅計(jì)算特征語(yǔ)義信息量的方法相比,能夠?yàn)榛谛畔⒌臎Q策提供更全面的參考依據(jù)。其次,本文按照物元理論提供的方法,對(duì)文檔進(jìn)行結(jié)構(gòu)化的組織并提出了

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說明,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,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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。

最新文檔

評(píng)論

0/150

提交評(píng)論