面向企業(yè)競爭情報的文本聚類技術的研究與應用.pdf

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