Web文本數(shù)據(jù)挖掘研究.pdf

1、隨著Internet技術(shù)的日益成熟，尤其是萬維網(wǎng)的普及化，使得數(shù)據(jù)挖掘技術(shù)的研究重點已經(jīng)從傳統(tǒng)的基于結(jié)構(gòu)化數(shù)據(jù)庫的應(yīng)用轉(zhuǎn)移到基于Web的應(yīng)用上來。Web文本挖掘采用數(shù)據(jù)挖掘、機器學(xué)習(xí)、自然語言處理、信息檢索和知識管理等領(lǐng)域的技術(shù)來處理和分析非結(jié)構(gòu)或半結(jié)構(gòu)化的文本，從中提取有價值的知識。文本分類是文本挖掘的一個主要研究分支，本文主要研究的是基于關(guān)聯(lián)規(guī)則的文本分類方法。 目前主要的文本分類方法有：最近鄰分類、貝葉斯分類、決策樹、支持

2、向量機、向量空間模型、回歸模型和神經(jīng)網(wǎng)絡(luò)等。本文通過分析現(xiàn)有的文本分類方法，提出了基于關(guān)聯(lián)規(guī)則的文本分類算法。首先，本文介紹了數(shù)據(jù)挖掘的概念及方法，Web挖掘的主要方法；接著，介紹了關(guān)聯(lián)規(guī)則的主要算法；然后介紹了文本數(shù)據(jù)挖掘中使用的主要技術(shù)，如文本的特征表示，文本的特征項提取，文本分類的方法；最后，提出了基于關(guān)聯(lián)規(guī)則的文本分類算法，并通過實驗，驗證了方法的可行性。 由于關(guān)聯(lián)規(guī)則頻繁集的查找速度及特征項的提取對分類器的性能都起著及