SOM算法的改進(jìn)及其在中文文本聚類的應(yīng)用.pdf

1、近幾十年來(lái),國(guó)外學(xué)者對(duì)英文文本聚類投入了大量研究工作,不取得了一些優(yōu)秀的成果。與英文文本聚類相比,中文文本聚類技術(shù)研究和應(yīng)用起步較晚,文本聚類效果普遍不太理想。針對(duì)此現(xiàn)狀,本文對(duì)中文文本聚類技術(shù)進(jìn)行深入研究。重點(diǎn)在于改進(jìn)經(jīng)典SOM算法,并應(yīng)用于中文文本聚類中。本文研究工作主要涵蓋以下四點(diǎn)內(nèi)容:
　　 (1)研究中文文本聚類技術(shù),包括中文分詞、停用詞過(guò)濾、特征選擇等中文預(yù)處理技術(shù)以及各種聚類分析算法。
　　 (2)針對(duì)特征

2、項(xiàng)維數(shù)災(zāi)難導(dǎo)致計(jì)算負(fù)載過(guò)大,在預(yù)處理中引入同義詞合并技術(shù),實(shí)現(xiàn)特征空間的語(yǔ)義降維,提高系統(tǒng)聚類速度和準(zhǔn)確性。
　　 (3)重點(diǎn)研究經(jīng)典SOM算法,針對(duì)其聚類數(shù)目需預(yù)先輸入、網(wǎng)絡(luò)結(jié)構(gòu)固定、初始化效果不理想以及聚類結(jié)果依賴樣本輸入順序,提出一種改進(jìn)的自增長(zhǎng)SOM算法予以解決之。
　　 (4)采用C＃.net技術(shù)設(shè)計(jì)實(shí)現(xiàn)了基于改進(jìn)的SOM算法的《中文文本聚類系統(tǒng)》平臺(tái)。然后進(jìn)行了系統(tǒng)測(cè)試評(píng)估,評(píng)估結(jié)果表明改進(jìn)SOM算法可以改善