基于《知網(wǎng)》的文本聚類研究.pdf

1、　　K-Means算法是數(shù)據(jù)挖掘技術中的一種經(jīng)典算法，有著形式簡單和空間時間復雜度低的優(yōu)點，在文本挖掘方面也得到極大的應用。論文研究了文本聚類的關鍵技術和算法，針對文本聚類中如何利用詞語的語義信息和位置信息進行了研究，使用改進的文本相似度計算方法對文本集合進行了聚類，并對K-Means算法進行了相應的改進。
　　論文的主要工作是對三種文本相似度計算方法對K-Means算法聚類效果影響的探索。分別使用基于傳統(tǒng)向量空間模型的文本相似

2、度計算方法、基于《知網(wǎng)》的文本相似度計算方法和結合位置信息的文本相似度計算方法做為聚類算法的相似度度量實現(xiàn)了K-Means算法，并對聚類效果進行了比較。在定義基于《知網(wǎng)》的文本相似度計算方法時，為了提高算法效率和準確率實現(xiàn)了一種新的向量空間的生成方法，不再使用整個文檔集合中所有的詞生成一個固定維數(shù)的向量空間，而是針對每篇文章生成一個向量，每篇文章生成向量的維數(shù)等于該文章包含的詞數(shù)而不是整個文檔集合包含的詞數(shù)，從而降低數(shù)據(jù)的高維性和稀疏性