基于Web文本挖掘的研究.pdf

1、我們生活在一個信息化的時代，各種信息急劇膨脹，為了有效利用這些信息，數(shù)據(jù)挖掘和知識發(fā)現(xiàn)技術(shù)應(yīng)運而生，并顯示出強大的生命力。本文對Web數(shù)據(jù)挖掘技術(shù)，尤其是Web文本挖掘的關(guān)鍵技術(shù)特征詞的抽取和聚類分析進行了較為系統(tǒng)地分析和研究。 聚類分析在數(shù)據(jù)挖掘研究中占有重要的位置。所謂聚類，就是將物理或抽象對象的集合劃分成為由類似的對象組成的多個類的過程。聚類分析依據(jù)的原則是使同一類中的對象具有盡可能大的相似性，而不同類中的對象相似性較小。

2、 由于聚類分析的重要性和特殊性，近年來該領(lǐng)域的研究取得了長足的發(fā)展，涌現(xiàn)出了許多聚類分析的方法，如基于劃分(Partition-Based)的聚類方法、基于模型(Model-Based)的聚類方法等等。 本文首先對W eb文本聚類中的數(shù)據(jù)表示方法、特征表示、分詞技術(shù)、特征項的抽取進行了系統(tǒng)的研究，隨后對文本聚類算法進行了研究，主要是對典型的聚類算法(如：K_means、CURE、DBSCAN、SOM、 FCM等)進行了詳