基于混合并行遺傳算法的文本分類及聚類研究.pdf

1、文本分類和聚類技術(shù)是應信息檢索和查詢需要而出現(xiàn)的自然語言處理領域的重要研究課題。面對急速膨脹的各種文本信息，通過使用文本分類和聚類技術(shù)，人們能對這些信息進行高效地組織和整理，以便于實現(xiàn)信息的準確定位和分流，從而提高用戶查詢和檢索的效率。 文本分類和聚類的研究開展了四十多年，隨著人們對該問題的深入了解和重視，投身此項研究的人員逐漸增多，各種成果不斷涌現(xiàn)。然而，文本分類和聚類問題畢竟是一項涉及多學科知識的復雜問題，還有許多問題有待我

2、們深入研究。文本分類和聚類問題中的特征選擇和抽取技術(shù)、文本特征表示、聚類方法的選擇和實現(xiàn)以及分類方法的選擇和實現(xiàn)，都將對文本分類和聚類結(jié)果產(chǎn)生極大影響。 本文的主要研究工作和創(chuàng)新如下： 1．針對文本分類和聚類中的各種問題，提出了一種混合并行遺傳算法。該算法充分利用并行遺傳算法的全局優(yōu)化能力和并行性，以及K-Means聚類算法的高效性和局部優(yōu)化能力，通過K-Means聚類、種群內(nèi)遺傳和變異、種群間的并行進化和聯(lián)姻策略，為文

3、本分類和聚類提供了較高的效率和精確度。 2．將混合并行遺傳算法應用到文本聚類問題中，采用并行遺傳算法對文本特征詞進行動態(tài)提取，有效地降低了文本對象的特征維數(shù)；使用混合并行遺傳算法進行文本聚類，動態(tài)獲取聚類數(shù)目，增強了文本聚類的精度。 3．將混合并行遺傳算法應用到文本分類問題中，使用混合并行遺傳算法進行潛在語義挖掘，消除了同義詞和近義詞對文本分類精度的影響；使用混合并行遺傳算法對KNN文本分類算法進行改進，同時使用并行遺傳