基于頻繁項(xiàng)集的文本聚類方法研究.pdf_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費(fèi)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、文本是一種重要的信息載體,其數(shù)量隨著互聯(lián)網(wǎng)的不斷發(fā)展極速膨脹。文本聚類作為一種無監(jiān)督的機(jī)器學(xué)習(xí)方法,已成為對(duì)文本信息進(jìn)行有效的組織、摘要和導(dǎo)航的重要手段,為越來越多的科研工作者所關(guān)注。在很多文本挖掘和信息檢索系統(tǒng)中,文本聚類發(fā)揮著越來越重要的作用。 論文研究如何改進(jìn)與中文文本聚類相關(guān)的若干處理過程來得到一個(gè)好的聚類結(jié)果。文本聚類相關(guān)的處理過程主要包括文本預(yù)處理、特征項(xiàng)選擇、文本表示和聚類,它們對(duì)聚類質(zhì)量起至關(guān)重要的作用。傳統(tǒng)的文

2、本聚類算法基于向量空間模型(VSM),該模型使用關(guān)鍵詞作為特征項(xiàng),忽略了詞語間的潛在語義關(guān)系,其固有的“高維詛咒”問題成為了算法性能提升的瓶頸,這些問題極大地干擾了算法的效率。論文引入知網(wǎng)作為算法的背景知識(shí)庫,通過將文本中的關(guān)鍵詞映射為知網(wǎng)中的概念,使算法在概念集上進(jìn)行,來彌補(bǔ)VSM存在的語義缺失問題。為提高算法性能,引入頻繁項(xiàng)集和非重疊度的概念,使用一種新的文本集劃分策略實(shí)現(xiàn)對(duì)原始文本集的劃分。在此基礎(chǔ)上,論文提出了一種基于頻繁項(xiàng)集的

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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論