Web數(shù)據(jù)挖掘中的文本分類研究.pdf

1、隨著Web技術(shù)的高速發(fā)展，各種互聯(lián)網(wǎng)絡(luò)上的信息也正以爆炸性的速度飛速增長(zhǎng)，如何從這個(gè)蘊(yùn)涵龐大信息量的數(shù)據(jù)集合中有效抽取有用的模式和感興趣的信息，正成為當(dāng)前一個(gè)亟需解決的問題，Web數(shù)據(jù)挖掘技術(shù)就是在此背景下產(chǎn)生的。 本文分析研究了Web數(shù)據(jù)挖掘技術(shù)中的文本分類技術(shù)，重點(diǎn)集中在對(duì)中文文本分類技術(shù)的研究上，包括文本分類的特征加權(quán)、基于社區(qū)發(fā)現(xiàn)的特征選擇和基于圖模型的相似性度量三個(gè)方面。首先，在分析基尼指數(shù)及特征加權(quán)基本原理的基礎(chǔ)上，

2、提出了一種新的基于基尼指數(shù)的特征加權(quán)公式，實(shí)驗(yàn)表明這種公式有助于提高文本的分類性能；其次，通過對(duì)復(fù)雜網(wǎng)絡(luò)中社區(qū)結(jié)構(gòu)概念的研究，提出了一種新的基于社區(qū)發(fā)現(xiàn)的特征選擇算法，有效克服了采用傳統(tǒng)的特征選擇方法遺漏文本上下文語義信息的缺陷，經(jīng)過實(shí)驗(yàn)證明這種算法是有效的；最后，通過對(duì)基于圖空間模型的文本表示方法的研究，在結(jié)構(gòu)等價(jià)分析的基礎(chǔ)上，提出了一種改進(jìn)的文本相似性度量的標(biāo)準(zhǔn)，彌補(bǔ)了向量空間模型不能有效表達(dá)文本結(jié)構(gòu)信息的缺陷，實(shí)驗(yàn)表明這種文本分類