面向?qū)W科相關性分析的文本關聯(lián)規(guī)則挖掘技術研究.pdf

1、文本挖掘技術是現(xiàn)代信息處理中正在研究的熱點課題。在文本挖掘過程中，文本數(shù)據(jù)預處理和文本關聯(lián)規(guī)則分析是兩個最主要的步驟。本文針對文本挖掘數(shù)據(jù)預處理過程中存在的問題，結(jié)合一般評審系統(tǒng)項目申報書的特點，提出了基于改進的最大關鍵詞特征權重下文本關聯(lián)規(guī)則挖掘方法，并在此基礎上深入探討了關聯(lián)規(guī)則的后處理挖掘的方法。
　　 本文在分析科技項目申報書特點的基礎上，研究并實現(xiàn)了針對項目申報書的文本關聯(lián)規(guī)則提取，并用文本特征向量對項目申報書進行有效

2、的表示。本文在分析了傳統(tǒng)的基于詞頻一逆文頻的文本特征選擇的基礎上，引用了一種改進的關鍵詞特征權重計算方法，該方法利用領域關鍵詞信息域權重的計算方式，實現(xiàn)了對科技項目申報書的相關學科進行有效的文本特征選擇，并通過實驗驗證了該方法的有效性。
　　 針對傳統(tǒng)關聯(lián)規(guī)則挖掘過程中文本特征向量表示維數(shù)巨大，頻繁集生成復雜等問題，提出了基于XML格式的最大特征權重關聯(lián)規(guī)則挖掘方案。該方案在整個文本挖掘過程中，都可以給文本數(shù)據(jù)的存儲和計算帶來極