基于單詞超團的文本聚類算法.pdf

1、隨著網(wǎng)民的增多和互聯(lián)網(wǎng)的大規(guī)模普及，大量文本數(shù)據(jù)的積累變得越來越容易，從而導(dǎo)致文本信息搜索困難和文本資源利用率低下。文本聚類作為一種無指導(dǎo)的文本自動歸類技術(shù)，能夠協(xié)助人們對海量的文本信息進行有效地組織和管理，并幫助人們從大規(guī)模的文本資源中快速、全面地定位所需信息。因此，文本聚類在數(shù)據(jù)挖掘中扮演著越來越重要的角色。 文本聚類通過對文本的內(nèi)容進行分析，將原始文本集劃分成若干個類，同時要求類內(nèi)的文本盡可能的相似，而類之間的文本盡可能的

2、不相似。基于單詞頻繁項集的文本聚類方法在單詞頻繁項集的基礎(chǔ)上進行聚類，不僅能夠避免文本數(shù)據(jù)高維稀疏性等特點所帶來的影響，而且其聚類結(jié)果具有良好的瀏覽機制。然而，其聚類質(zhì)量和聚類效率卻并不令人滿意。 針對基于單詞頻繁項集文本聚類方法存在的不足，本文將超團的概念引入文本聚類，并提出一種基于單詞超團的文本聚類算法。該算法將文本集中的每個文本看成是事務(wù)數(shù)據(jù)庫中的一個事務(wù)，同時把文本中出現(xiàn)的單詞看成是該文本所對應(yīng)事務(wù)中的項。對于給定的支持