基于模糊聚類的文本挖掘方法研究.pdf

1、隨著數(shù)據(jù)庫(kù)和Internet技術(shù)的發(fā)展與應(yīng)用，大量的文本數(shù)據(jù)也隨之產(chǎn)生。用戶很難從這些文本數(shù)據(jù)中獲取自己所需的有價(jià)值的信息。因此，文本挖掘在近幾年倍受研究者的關(guān)注，是一項(xiàng)重要的研究課題。
　　 文本挖掘處理的對(duì)象是以文本形式存儲(chǔ)的信息，通過文本挖掘可以從海量的文本信息中提取有用的知識(shí)或潛在的規(guī)律。基于模糊聚類的文本挖掘利用模糊理論對(duì)文本進(jìn)行挖掘,它對(duì)文本的劃分是軟劃分，給出文本對(duì)每個(gè)類別的隸屬程度，這種劃分更能反應(yīng)客觀世界。

2、r>　　 因此基于模糊聚類的文本挖掘方法成為了文本挖掘研究的重要方向。
　　 本文首先介紹了文本挖掘的相關(guān)概念和文本挖掘的流程，研究了文本挖掘流程中常用的方法，主要包括文本預(yù)處理中的分詞方法和文本模式提取中聚類和分類的常用方法，對(duì)文本挖掘的應(yīng)用進(jìn)行了總結(jié)。隨后介紹了模糊聚類的相關(guān)理論，研究了模糊聚類的特點(diǎn)和流程，總結(jié)了模糊聚類的應(yīng)用。
　　 重點(diǎn)研究了幾種常見的文本挖掘方法：貝葉斯文本挖掘方法、K-means 文本挖掘

3、方法,K近鄰文本挖掘方法和模糊c 均值文本挖掘方法,分析了它們的流程、特點(diǎn)以及存在的問題。
　　 對(duì)這些方法在初始值的依賴和處理數(shù)據(jù)類型等方面的特點(diǎn)進(jìn)行了比較和研究。
　　 針對(duì)模糊c 均值文本挖掘方法對(duì)初始值較敏感和穩(wěn)定性差的缺點(diǎn)，提出了一種改進(jìn)的CGFCM 文本挖掘方法，CGFCM 方法首先利用遺傳算法全局搜索的特點(diǎn)，求出初始聚類原型，之后引入類的概念向量，建立概念向量矩陣V，利用隸屬函數(shù)和迭代概念向量矩陣V的進(jìn)行模