大規(guī)模文本聚類技術比較分析及在詞義歸納中的應用.pdf

1、聚類是數據挖掘領域中的研究熱點。隨著Internet的發(fā)展，人們面對的信息與日膨脹，有效的組織無序的信息，生成結構化組織形式，使用戶能夠輕松的找到自己需要的信息成為聚類發(fā)展的無限動力。
　　將文本聚類，自動組織文本需要經過文本預處理，聚類，然后根據需要對聚類結果給出評價。涉及到的關鍵技術有空間向量模型(VSM)，聚類分析算法，聚類結果評價方法等。
　　目前大多數文本聚類的研究僅給出一種聚類算法及其改進算法在文本數據上的性能比

2、較和分析。沒有一份在同一數據平臺上各種不同聚類算法的對比分析報告，沒有詳細的關于基于不同思想的聚類分析算法的優(yōu)缺點的說明。本文詳細的分析和比較了基于劃分的方法、層次聚類方法、基于密度的聚類方法在同一數據集上的性能，說明了不同聚類算法適合的數據分布，彌補了這一空白。
　　對于大部分聚類算法并不適合大規(guī)模的數據集，有些算法在大規(guī)模數據集上甚至不能運行，如凝聚層次聚類。而Internet的發(fā)展給文本聚類帶來大規(guī)模的挑戰(zhàn)。本文最后提出了一