基于SOM的兩階段中文文本聚類算法的研究.pdf

1、近年來，可以很容易地從Internet、數(shù)字圖書館、新聞機(jī)構(gòu)和公司內(nèi)部網(wǎng)上獲得數(shù)目驚人的文本文檔。快速和高質(zhì)量的文本聚類技術(shù)可以將大量信息組織成少數(shù)有意義的簇，這種技術(shù)能夠提供導(dǎo)航/瀏覽機(jī)制，通過聚類驅(qū)動的降維或權(quán)值調(diào)整來極大地改善檢索性能。因此，文本聚類研究成為數(shù)據(jù)挖掘的非常重要課題之一。 基于SOM的數(shù)據(jù)挖掘是一種對大規(guī)模文檔進(jìn)行聚類特別適合的方法, 這種方法是將文本映射到二維的平面上，以地圖的方式為讀者展示不同文本間關(guān)系，

2、SOM對文本的闡述較為形象化，但不能實現(xiàn)自動抽取聚類結(jié)果。這種方法對英文文本研究較多，而中文文本相對較少。本文主要研究了基于SOM能夠?qū)崿F(xiàn)自動抽取聚類結(jié)果的兩階段中文文本聚類方法。 首先，我們介紹了文本聚類的產(chǎn)生背景和發(fā)展現(xiàn)狀，并對本課題的提出及研究內(nèi)容、目標(biāo)進(jìn)行了論述。 然后，我們設(shè)計了一個中文文本聚類模型CTCM（Chinese Text Clustering Model）,并針對模型中涉及到的特征表示、特征提取等問