基于潛在語(yǔ)義索引和免疫學(xué)習(xí)的BIRCH聚類算法研究.pdf

1、網(wǎng)絡(luò)已經(jīng)發(fā)展成為人們生活的重要部分，網(wǎng)絡(luò)上存儲(chǔ)的信息是海量的，而且處于不斷變化中。網(wǎng)絡(luò)用戶期望得到個(gè)性化的服務(wù)，網(wǎng)絡(luò)服務(wù)端需要為其推出個(gè)性化服務(wù)提供決策參考，用戶興趣挖掘技術(shù)也就應(yīng)運(yùn)而生了。
　　用戶興趣挖掘技術(shù)對(duì)用戶的興趣進(jìn)行有效地記錄、分析，并圍繞著描述用戶興趣的計(jì)算模型開發(fā)應(yīng)用?？紤]建立用戶興趣模型的可用性及準(zhǔn)確度，我們選擇隱式建模方式，即不需要用戶中斷網(wǎng)絡(luò)瀏覽過(guò)程，通過(guò)收集反映用戶興趣的信息來(lái)建立用戶模型，推斷用戶的興趣。

2、本文采用記錄了用戶的搜索和訪問(wèn)等信息的日志文件。處理過(guò)程主要分為三個(gè)階段：預(yù)處理、用戶興趣建模、應(yīng)用。
　　為了更好地處理大量的，并且增量式加入的網(wǎng)絡(luò)文檔，系統(tǒng)的主要建模技術(shù)采用了處理時(shí)間為線性的BIRCH聚類。經(jīng)過(guò)日志過(guò)濾、正文抽取等預(yù)處理之后，采用傳統(tǒng)的向量空間模型的網(wǎng)絡(luò)文檔的文本表示特征往往呈現(xiàn)出高維而且稀疏的特點(diǎn)，本文提出了加入改進(jìn)的潛在語(yǔ)義索引處理，對(duì)比實(shí)驗(yàn)證明，處理時(shí)間明顯地縮短，恰當(dāng)?shù)剡x擇BIRCH參數(shù)以及LSI中的

3、k值，能夠得到適應(yīng)所用數(shù)據(jù)和應(yīng)用領(lǐng)域的更好的聚類結(jié)果。驗(yàn)證了潛在語(yǔ)義索引技術(shù)可以在保留主要語(yǔ)義結(jié)構(gòu)的基礎(chǔ)上降低文本表示的維數(shù)，在形成的潛在語(yǔ)義空間中提取最有意義的維度作為特征表示。
　　有效性度量是評(píng)價(jià)結(jié)果的關(guān)鍵，其中有效性函數(shù)的選擇是一個(gè)關(guān)系到判定效果的關(guān)鍵。針對(duì)不同的數(shù)據(jù)，BIRCH聚類需要找到優(yōu)化的參數(shù)才能得到更好的結(jié)果。本文研究了人工免疫網(wǎng)絡(luò)算法，探索將其自適應(yīng)機(jī)制引入BIRCH聚類的參數(shù)調(diào)節(jié)優(yōu)化過(guò)程中，根據(jù)調(diào)節(jié)得到的參數(shù)