面向企業(yè)競爭情報的文本聚類技術的研究與應用.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

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

文檔簡介

1、伴隨著因特網的快速發(fā)展,網絡上的數據信息急速膨脹。這些海量的數據蘊含巨大的價值,并且主要以文本形式存在。為了實現對大規(guī)模文本的分析并從中提取有用信息,文本聚類作為文本挖掘技術的一個重要分支,得到了深入的研究和快速的發(fā)展。其中K-means作為一種經典的聚類算法,具有線性的時間復雜度,并且其算法過程簡單易于實現,在大規(guī)模文本處理方面有著廣泛的應用。但是其聚類效果很容易受到初始中心的影響,導致陷入局部最優(yōu)解,從而降低聚類結果的準確性。

2、>  本文針對 K-means算法的缺點對其初始中心選擇的過程進行重點研究,提出了“近鄰”的概念,并以Web文檔為聚類對象,詳細闡述了文本聚類的整個過程,包括:文本預處理、聚類分析和質量評價?;凇敖彙钡乃枷?,本文設計了一種初始中心選擇的改進方法。算法改進的思想是使得被選為簇中心的文檔之間具有的較低的相似度,并擁有足夠多的近鄰,從而避免了聚類結果陷入局部最優(yōu)解的情況,改善了聚類算法的穩(wěn)定性與準確性。
  本文在多個文檔集上進行聚

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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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