中文Web文本聚類研究.pdf

1、文本聚類是文本數(shù)據(jù)挖掘的重要技術(shù)，它是一種非監(jiān)督學(xué)習(xí)，可以由計(jì)算機(jī)自動(dòng)進(jìn)行，不需要人工干預(yù)。文本聚類通過(guò)比較文本的相似性，能發(fā)現(xiàn)文本的內(nèi)在特征及分布規(guī)律，從而獲得對(duì)文本數(shù)據(jù)更深刻的理解與認(rèn)識(shí)。 本文以中文Web文本作為文本聚類的挖掘?qū)ο螅?duì)中文Web文本聚類的全過(guò)程進(jìn)行了研究。文中分析研究了中文Web文本聚類各個(gè)處理階段，其中包括：中文Web文本預(yù)處理、文本聚類、性能評(píng)價(jià)。 在文本預(yù)處理階段的研究中，本文針對(duì)文本聚類的

2、特點(diǎn)，提出了一種基于遺傳算法的特征選取方法。該方法可以在無(wú)先驗(yàn)知識(shí)的情況下對(duì)特征向量降維，達(dá)到降低聚類復(fù)雜度，并保持聚類精度的效果。 在文本聚類算法的研究中，本文提出一種帶孤立點(diǎn)檢測(cè)的改進(jìn)K-means算法。在該算法中，對(duì)文本數(shù)據(jù)集先進(jìn)行孤立點(diǎn)檢測(cè)提取，然后執(zhí)行聚類，排除了孤立點(diǎn)對(duì)聚類的影響。并且在聚類過(guò)程中改進(jìn)了傳統(tǒng)的初始聚類中心選取方法，采用基于最遠(yuǎn)距離的初始聚類中心選取方法，一定程度上避免聚類陷入局部最優(yōu)。實(shí)驗(yàn)證明該算法有