基于Web文本挖掘的研究.pdf

1、我們生活在一個(gè)信息化的時(shí)代，各種信息急劇膨脹，為了有效利用這些信息，數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)技術(shù)應(yīng)運(yùn)而生，并顯示出強(qiáng)大的生命力。本文對(duì)Web數(shù)據(jù)挖掘技術(shù)，尤其是Web文本挖掘的關(guān)鍵技術(shù)特征詞的抽取和聚類分析進(jìn)行了較為系統(tǒng)地分析和研究。 聚類分析在數(shù)據(jù)挖掘研究中占有重要的位置。所謂聚類，就是將物理或抽象對(duì)象的集合劃分成為由類似的對(duì)象組成的多個(gè)類的過(guò)程。聚類分析依據(jù)的原則是使同一類中的對(duì)象具有盡可能大的相似性，而不同類中的對(duì)象相似性較小。

2、 由于聚類分析的重要性和特殊性，近年來(lái)該領(lǐng)域的研究取得了長(zhǎng)足的發(fā)展，涌現(xiàn)出了許多聚類分析的方法，如基于劃分(Partition-Based)的聚類方法、基于模型(Model-Based)的聚類方法等等。 本文首先對(duì)W eb文本聚類中的數(shù)據(jù)表示方法、特征表示、分詞技術(shù)、特征項(xiàng)的抽取進(jìn)行了系統(tǒng)的研究，隨后對(duì)文本聚類算法進(jìn)行了研究，主要是對(duì)典型的聚類算法(如：K_means、CURE、DBSCAN、SOM、 FCM等)進(jìn)行了詳