基于聚類算法的熱點提取技術應用研究.pdf

1、近些年來，人們致力于聚類算法的研究，如結(jié)構(gòu)性聚類、分散性聚類、譜聚類等，并誕生了諸如層次聚類、DBSCAN聚類算法、QT聚類、BIRCH聚類、均值飄移聚類等算法，這些聚類算法很好的應用到了文本聚類中。但當這些聚類算法應用在熱點發(fā)現(xiàn)時都存在一定的局限性，如在文本相似度計算、熱點詞提取等方面有著較大的缺陷。
　　本文以企業(yè)創(chuàng)新資源管理與分析平臺為背景，主要實現(xiàn)平臺對網(wǎng)絡新聞、科技論文文獻的熱點詞提取功能。首先分析了網(wǎng)絡新聞、科技論文文

2、獻的文本書寫結(jié)構(gòu)。在分析文本結(jié)構(gòu)的基礎上，構(gòu)建各個特征詞的權重，最后通過DBSCAN聚類算法提取聚類簇，并從前5個最大的簇中抽取熱點詞，通過網(wǎng)頁可視化的形式展示出來。本文的主要工作包括：
　　關鍵詞質(zhì)量的高低和文章的各個要點的內(nèi)容是息息相關的。因此要有效的提取關鍵詞，就要全面理解文章的內(nèi)容和文中各詞語的確切詞義。為了提高熱點詞匯的提取質(zhì)量，需要定制化的方式根據(jù)文本敘述結(jié)構(gòu)提取特征詞。
　　在進行文本聚類時，需要先分析兩個文本