基于免疫網(wǎng)絡(luò)的文本挖掘方法研究.pdf

1、隨著Internet的飛速發(fā)展及其在全世界范圍內(nèi)的普及和應(yīng)用，網(wǎng)絡(luò)上存儲了海量的信息資源，這些信息資源數(shù)量與日俱增，尤其以Web頁面為載體的文本數(shù)據(jù)呈爆炸式的增長并越來越成為人們關(guān)注的主要信息來源。如何從數(shù)量龐大的文本信息中快速有效地發(fā)現(xiàn)知識已經(jīng)成為人們迫切需要解決的問題;近年來針對文本數(shù)據(jù)的挖掘已經(jīng)成為人們重點(diǎn)研究的課題，其中對文本的聚類研究引起了廣泛的重視。 本文首先介紹了文本挖掘的研究背景和發(fā)展現(xiàn)狀，對文本挖掘中的文本聚類

2、算法的相關(guān)技術(shù)進(jìn)行討論，針對文本表示模型、特征詞提取、特征向量降維及文本相似度的計算等與文本聚類密切相關(guān)的關(guān)鍵技術(shù)進(jìn)行了描述與分析，在次基礎(chǔ)上展開文本聚類算法的研究。 實(shí)現(xiàn)文本聚類算法的動態(tài)適應(yīng)性是當(dāng)前文本聚類算法研究的重要方向之一。本文在研究人工免疫網(wǎng)絡(luò)(aiNet)模型的基礎(chǔ)上，結(jié)合文本聚類的特點(diǎn)，對aiNet算法進(jìn)行改進(jìn)，實(shí)現(xiàn)了基于aiNet的文本聚類算法，為實(shí)現(xiàn)文本的動態(tài)聚類提供了一種新的解決思路。 為克服基于a

3、iNet的文本聚類算法在處理高維數(shù)據(jù)時性能下降的缺點(diǎn)，本文研究了免疫遺傳機(jī)制和k-means聚類算法，將免疫遺傳引入k-means算法優(yōu)化聚類中心，提出一種基于免疫遺傳的k-means文本聚類算法IGAK，有效避免了經(jīng)典k-means算法易受初始聚類中心選擇不當(dāng)?shù)挠绊懚萑刖植孔顑?yōu)的缺點(diǎn)；在此基礎(chǔ)上設(shè)計了一種基于聚類中心的虛擬坐標(biāo)映射機(jī)制的文本表示模型，實(shí)現(xiàn)了文本向量模型的降維技術(shù)；結(jié)合該虛擬坐標(biāo)向量模型，定義了抗體、抗原、親和力、相似