面向用戶興趣的web文檔聚類(lèi)研究.pdf

1、隨著Internet上文本信息、Web頁(yè)面的迅速膨脹，使得人們想要在Internet上獲取所需要的信息顯得相當(dāng)困難。因此，如何有效地對(duì)大量文本資源進(jìn)行組織、管理，幫助用戶獲取真正需要的信息等，成為目前信息檢索領(lǐng)域中迫切需要解決的問(wèn)題。 文本聚類(lèi)是文本挖掘中非常重要的技術(shù)，它已經(jīng)被廣泛的應(yīng)用于信息管理、搜索引擎、推薦系統(tǒng)等多個(gè)領(lǐng)域。在文本聚類(lèi)領(lǐng)域，k-means算法簡(jiǎn)單且收斂速度快，是最常用的文本聚類(lèi)算法之一，本文主要對(duì)該算法進(jìn)行

2、研究并改進(jìn)。 首先，為了克服k-means算法需要人工指定劃分聚簇個(gè)數(shù)且初始聚類(lèi)中心隨機(jī)選擇的缺點(diǎn)，本文將基于密度的聚類(lèi)算法與k-means算法相結(jié)合，提出了一種基于參考區(qū)域的初始化思想，將生成的初始劃分作為k-means算法迭代的基礎(chǔ)。實(shí)驗(yàn)證明改進(jìn)的k-means文本聚類(lèi)算法能提高聚類(lèi)結(jié)果的精度，同時(shí)保持了基于密度聚類(lèi)算法的高效性。 其次，為了克服k-means算法在迭代過(guò)程中易于陷入局部極值的缺點(diǎn)，本文結(jié)合最優(yōu)化方法

3、的局部搜索思想，對(duì)k-means算法的聚類(lèi)結(jié)果進(jìn)行迭代調(diào)整。并根據(jù)文本數(shù)據(jù)的特點(diǎn)，采用多數(shù)文本同時(shí)調(diào)整的方式，減少算法迭代次數(shù)，擴(kuò)大了搜索空間。理論和實(shí)驗(yàn)分析表明這種改進(jìn)方法能提高聚類(lèi)的質(zhì)量并保持原算法的時(shí)間效率。 最后，將文本聚類(lèi)和用戶興趣挖掘技術(shù)相結(jié)合，構(gòu)建了一個(gè)面向用戶興趣的文本聚類(lèi)系統(tǒng)CSUI(Clustering System of Users’Interest)，該系統(tǒng)利用改進(jìn)的k-means算法對(duì)用戶瀏覽內(nèi)容進(jìn)行聚