基于表層文本信息的科技文獻(xiàn)集多主題劃分方法的研究.pdf

1、科技文獻(xiàn)是人們獲得科技信息的重要來(lái)源之一，通過(guò)對(duì)科技文獻(xiàn)進(jìn)行有效的處理，可以揭示文獻(xiàn)內(nèi)部潛在的信息和知識(shí)，進(jìn)而使人們可以快速、高效地獲取文獻(xiàn)信息?？萍嘉墨I(xiàn)的自動(dòng)分類是信息檢索和數(shù)據(jù)挖掘領(lǐng)域的一個(gè)重要研究?jī)?nèi)容，已成為當(dāng)今文獻(xiàn)信息處理方法的研究熱點(diǎn)。對(duì)科技文獻(xiàn)進(jìn)行自動(dòng)分類和評(píng)價(jià)需要深入分析文獻(xiàn)的信息特征，同時(shí)要把機(jī)器學(xué)習(xí)、自然語(yǔ)言處理等多種方法合理運(yùn)用到文獻(xiàn)分析領(lǐng)域，并研究其有效的實(shí)現(xiàn)方法?；谖墨I(xiàn)的概括性短篇幅文本信息（如標(biāo)題、摘要、關(guān)鍵

2、詞等）實(shí)現(xiàn)對(duì)文獻(xiàn)集的自動(dòng)分類是具有較高使用價(jià)值的研究課題。
　　概括性短篇幅文本信息特征詞稀少，難以體現(xiàn)文獻(xiàn)之間的相關(guān)性，且因交叉學(xué)科和多類別科技文獻(xiàn)的存在，通過(guò)一般方法對(duì)科技文獻(xiàn)進(jìn)行硬性的劃分歸類顯然是不科學(xué)的。為此，本學(xué)位論文分析了科技文獻(xiàn)特有的行文特點(diǎn)，根據(jù)表現(xiàn)文獻(xiàn)的概括性特征的表層文本信息，采用多標(biāo)記聚類方法對(duì)文獻(xiàn)集進(jìn)行了多主題自動(dòng)分類，按照不同的主題把同一個(gè)文獻(xiàn)劃分到不同類別，從而可從多角度體現(xiàn)文獻(xiàn)主題，有利于表現(xiàn)文獻(xiàn)的

3、多學(xué)科特征，并給出了基于自動(dòng)劃分的文獻(xiàn)集豐富性評(píng)價(jià)方法。
　　首先，通過(guò)詞頻選擇特征詞，利用向量空間模型(VSM)表示文檔集，并針對(duì)傳統(tǒng)文本信息處理存在的問(wèn)題，引入潛在語(yǔ)義分析模型，通過(guò)基于奇異值分解(SVD)的語(yǔ)義降維方法對(duì)所建立的特征詞-文檔關(guān)聯(lián)矩陣進(jìn)行分解降維，獲得了文獻(xiàn)集的低維潛在語(yǔ)義空間表示，揭示出文獻(xiàn)之間的語(yǔ)義關(guān)系。
　　其次，基于改進(jìn)的K-means算法，對(duì)文獻(xiàn)集進(jìn)行了聚類處理，同時(shí)通過(guò)文獻(xiàn)聚類粒度的自適應(yīng)確定