基于語義相似度的群智能文本聚類方法研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、當(dāng)今世界正處于一個信息爆炸的時代,用戶查詢信息時常常被信息淹沒,迷失在信息中,這大大降低了檢索的效率。如何快速高效的進行信息的分類管理,為用戶提供準(zhǔn)確有用的信息,是一個需要迫切解決的問題。在這樣的背景下,文本挖掘技術(shù)正受到越來越多的關(guān)注。文本聚類是文本挖掘的一個重要組成部分,它是聚類方法在文本處理領(lǐng)域的重要應(yīng)用。
  文本聚類由于不需要類別的信息,能自動完成文本分組,已經(jīng)得到廣泛應(yīng)用,如多文檔自動文摘系統(tǒng)、搜索引擎、數(shù)字圖書館等。

2、目前大部分聚類算法是基于向量空間模型的,這使得文本聚類面臨高維性、高稀疏性和忽略語義信息的問題,影響了算法的性能和準(zhǔn)確性。
  本文首先介紹了文本聚類中一些概念和方法,包括文本間距離計算、文本表示模型、文本預(yù)處理過程、聚類效果評價和常用的聚類算法等;接著介紹了《知網(wǎng)》的組織結(jié)構(gòu)、相關(guān)概念和語義相似度的計算方法,同時也提出了一種改進的文本間相似度計算方法,將其和K-均值算法結(jié)合,通過實驗數(shù)據(jù),證明了該方法的正確性;最后介紹了本文的兩

3、種群智能算法,并提出了本文的基于語義相似度的群智能文本聚類算法。
  在文本預(yù)處理的特征提取階段計算權(quán)重時,既考慮了詞頻和文檔頻率,也結(jié)合了詞的詞性和詞在文本中的位置這兩個因素;針對向量空間模型忽略了詞的語義信息的問題,本文利用《知網(wǎng)》,通過詞的語義信息,來計算文本相似度;針對前人研究的成果,提出了本文的算法,它是在文本相似度的基礎(chǔ)上,融合了K-均值算法、蟻群算法和模擬退火算法,利用了它們各自的優(yōu)點,避免了各自的缺點,通過實驗數(shù)據(jù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論