文本數(shù)據(jù)聚類算法的若干關(guān)鍵技術(shù)及應(yīng)用研究.pdf

1、文本聚類是數(shù)據(jù)挖掘和信息檢索領(lǐng)域的一個重要研究方向。隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,網(wǎng)絡(luò)文本信息的容量與日劇增,人民迫切需要從這些文本中獲得更多有用的信息和提高在互聯(lián)網(wǎng)上的信息獲取效率。本文對文本聚類分析中的K-Means聚類算法的初始質(zhì)心選擇,話題檢測中的聚類算法的缺陷和大數(shù)據(jù)下聚類算法的應(yīng)用三個問題進行了深入研究。
　　首先針對k均值算法對初始質(zhì)心敏感和k均值算法不能夠獲得穩(wěn)定的聚類結(jié)果的問題,提出一種基于小世界網(wǎng)絡(luò)的方法來選擇k均

2、值算法的初始質(zhì)心。實驗證明該方法能夠得到一個穩(wěn)定的效果較好的聚類結(jié)果,能夠有效的被應(yīng)用于文本聚類的領(lǐng)域。
　　其次主要是針對目前存在的聚類方法用于話題檢測的不足,提出一種全新的基于網(wǎng)絡(luò)分解的文本聚類算法。該方法有效地保證了毫無意義的文本不被用來構(gòu)成話題。盡管該算法在F度量值稍微差于二分k均值算法,但是在簇間平均相似度和整體相似度都優(yōu)于二分k均值算法。能夠有效地用來進行話題的檢測。
　　最后主要針對基于網(wǎng)絡(luò)分解的文本聚類算法在