基于檢索的中文文本挖掘技術(shù)研究與設(shè)計(jì).pdf

1、隨著互聯(lián)網(wǎng)的普及，一方面，用戶可以快速、方便地接觸到各種資源，但是另一方面，用戶通過普通瀏覽方式很難在資源的海洋中找到真正需要的信息。人們對信息的需求量越來越大，卻也越來越?jīng)]有耐心。信息作為互聯(lián)網(wǎng)的靈魂，它的順暢流動(dòng)是激活互聯(lián)網(wǎng)應(yīng)用并促進(jìn)其發(fā)展的關(guān)鍵。而文本挖掘技術(shù)不僅是實(shí)現(xiàn)這一流動(dòng)的最重要的方式，也是互聯(lián)網(wǎng)基礎(chǔ)和核心的技術(shù)與應(yīng)用?；ヂ?lián)網(wǎng)產(chǎn)業(yè)多元化與立體化的發(fā)展，自然也包括文本挖掘技術(shù)在多層次的互聯(lián)網(wǎng)企業(yè)的應(yīng)用，可以預(yù)見，一旦成熟的文本

2、挖掘技術(shù)應(yīng)用于互聯(lián)網(wǎng)，將會(huì)得到迅速普及。 通過閱讀大量參考文獻(xiàn)，本文發(fā)現(xiàn)目前的挖掘技術(shù)針對半結(jié)構(gòu)化、非結(jié)構(gòu)化的文本資源有兩種解決方案。第一種解決方案的思想是將文本資源進(jìn)行一定處理后，直接利用現(xiàn)有的挖掘工具對其進(jìn)行挖掘。第二種解決方案的思想則是在信息檢索的基礎(chǔ)上構(gòu)造新的挖掘工具，對文本資源進(jìn)行挖掘，獲得有用的信息和知識。通過比較，可以很容易看出，第一種方案利用已有的挖掘工具，相對簡單一些；但第二種方案目的在于構(gòu)造適用于結(jié)構(gòu)不太好的

3、文本資源的挖掘工具，更能適應(yīng)半結(jié)構(gòu)、非結(jié)構(gòu)化數(shù)據(jù)資源的性質(zhì)，從而更容易發(fā)現(xiàn)其中的隱含的知識。因而，從長遠(yuǎn)來講，第二種方案更具發(fā)展?jié)摿Α?因此，在研究文本挖掘各種技術(shù)和信息檢索相關(guān)技術(shù)的基礎(chǔ)上，本文提出了基于檢索的文本挖掘技術(shù)的通用處理流程，并針對每一處理步驟，本文選擇目前比較先進(jìn)且適用的挖掘算法對其進(jìn)行具體的方案處理描述。而對于流程中出現(xiàn)的一些常用處理點(diǎn)和處理中的重、難點(diǎn)，本文提出了較優(yōu)的自動(dòng)處理的算法解決方案。在前面所有工作的