版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、經(jīng)過幾十年的發(fā)展,Internet已經(jīng)成為世界上最大的資源庫,其絕大部分信息都是以Web文本的形式存在。為了充分利用這些資源、使用戶準(zhǔn)確地找到需要的資料、節(jié)約搜索時(shí)間、提高利用價(jià)值,出現(xiàn)了Web數(shù)據(jù)挖掘技術(shù)。利用分類、聚類、關(guān)聯(lián)分析、趨勢(shì)預(yù)測(cè)等技術(shù)從Web文本中發(fā)現(xiàn)和抽取用戶感興趣的有用模式和隱藏的信息。
Web文檔聚類是Web文本挖掘的一個(gè)重要研究分支,作為一種無監(jiān)督的學(xué)習(xí)方法,不需要訓(xùn)練過程,也不需要預(yù)先對(duì)文檔進(jìn)行手工
2、標(biāo)注,具有一定的靈活性和較高的自動(dòng)化處理能力,能夠?qū)ξ臋n進(jìn)行有效組織、獲取摘要和導(dǎo)航??梢栽谝欢ǔ潭壬辖鉀Q信息雜亂和信息爆炸的問題。作為信息檢索、信息過濾、搜索引擎、數(shù)字圖書館等領(lǐng)域的技術(shù)基礎(chǔ),Web文檔聚類有著廣闊的應(yīng)用前景。
本文闡述了Web文檔聚類的基本概念、方法、研究現(xiàn)狀及存在的問題。從文檔聚類分析過程角度介紹了Web文檔聚類的相關(guān)理論和技術(shù),包括文檔數(shù)據(jù)表示模型、相似度測(cè)量、聚類算法、聚類結(jié)果評(píng)價(jià)指標(biāo)和聚類算法分
3、析等。提出了三個(gè)以短語特征為基礎(chǔ)的聚類方法。
①對(duì)于半結(jié)構(gòu)化的Web文檔,HTML標(biāo)簽標(biāo)識(shí)出了文檔的結(jié)構(gòu)和不同部分的重要程度。針對(duì)這個(gè)特點(diǎn),本文提出了用于Web文檔聚類的加權(quán)后綴樹聚類算法WSTC本算法依據(jù)HTML標(biāo)簽把文檔劃分成具備不同重要性等級(jí)的段、段劃分成句子,用句子構(gòu)造文檔集的加權(quán)廣義后綴樹模型,句子的重要性等級(jí)作為結(jié)構(gòu)權(quán)值融入后綴樹的節(jié)點(diǎn)中?;谖臋n間共享短語的識(shí)別,選擇節(jié)點(diǎn)作為基類簇和合并基類簇。在此過程中,綜
4、合考慮節(jié)點(diǎn)包含的文檔數(shù)、句子數(shù)、短語長度和節(jié)點(diǎn)的重要性等級(jí)。實(shí)驗(yàn)結(jié)果表明結(jié)合Web文檔特點(diǎn)的聚類算法WSTC提高了聚類質(zhì)量。
②Web文檔集的加權(quán)廣義后綴樹模型創(chuàng)立后,每個(gè)節(jié)點(diǎn)代表了一個(gè)短語,可以作為文檔的一個(gè)特征。利用這個(gè)特點(diǎn),本文提出了一種集成加權(quán)廣義后綴樹模型和向量空間模型的混合模型WSTVSM用于Web文檔聚類。首先構(gòu)造Web文檔集的加權(quán)廣義后綴樹模型。然后,把后綴樹的節(jié)點(diǎn)代表的加權(quán)短語及其權(quán)值映射到M維向量空間模
5、型,擴(kuò)展TF-IDF特征計(jì)算方案計(jì)算基于加權(quán)短語的文檔向量的特征值,形成混合模型WSTVSM。在此模型上計(jì)算基于加權(quán)短語的文檔相似度,利用組平均層次凝聚聚類算法進(jìn)行聚類,取得了較好的效果。
③一般地,劃分型聚類算法,如K-means算法,時(shí)間復(fù)雜度低、聚類速度快,但是穩(wěn)定性較差。本文在分析K-means聚類算法的基本問題后,提出了用WSTC算法改進(jìn)其初始聚類中心的混合聚類算法STK-means。首先,構(gòu)建Web文檔集的加權(quán)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征短語的網(wǎng)頁在線聚類方法.pdf
- 基于內(nèi)容的中文Web文檔聚類方法研究與應(yīng)用.pdf
- 基于知識(shí)粒度的Web文檔聚類研究.pdf
- 基于多特征信息融合的WEB廣告聚類方法研究.pdf
- 基于密度方法的XML文檔聚類研究.pdf
- Web挖掘中的XML文檔聚類研究.pdf
- 面向用戶興趣的web文檔聚類研究.pdf
- 基于句子級(jí)最大頻繁單詞集的Web文檔聚類研究.pdf
- 基于Web頁面特征的聚類算法研究及實(shí)現(xiàn).pdf
- 嵌入分布信息的Web文檔聚類算法研究.pdf
- 基于N-grams短語的中文Web文本聚類及其預(yù)處理的研究.pdf
- Web文檔聚類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf
- 基于PLSA語義聚類的web服務(wù)發(fā)現(xiàn)方法.pdf
- 基于聚類的XML文檔集成管理方法研究.pdf
- Web搜索結(jié)果聚類方法研究.pdf
- 基于聚類的Web使用挖掘研究.pdf
- Web訪問對(duì)象軌跡聚類方法研究.pdf
- 基于形式概念分析的Web搜索結(jié)果聚類方法的研究.pdf
- 基于術(shù)語簇和關(guān)聯(lián)規(guī)則的文檔聚類方法.pdf
- 基于Ontology的Web文本聚類研究.pdf
評(píng)論
0/150
提交評(píng)論