3共现聚类分析.pptVIP

共现聚类分析 主要内容 共现 聚类 基于共现的聚类分析 共现分析 同被引和书目对 词共现 共现的泛化 共现矩阵 软件 共现 共同出现，co-occurrence 同时发生、存在或出现 在一个文本语料库中，两个术语超出正常频率的同时发生、存在或出现。 在语言学里，共现可以解释为语义上相似的指标或者是固定搭配（成语）表达。 文献引用网络 文献引用网络 同被引和书目对 同被引 强度 幅度 书目对（引文耦合） 强度 幅度 人类信息行为（HIB）155篇论文同被引网络 co-citation graph of 394 articles“the DNA/RNA and proteins of research papers” 词共现 词： 关键词、主题词、自由词 共现： 同一篇文章、同文摘、同句子（标题） 直接反映了概念（知识单元），拆散了文章。 词共现 文献中的共现 文献中的共现 共现 两个或者两个以上标目在同一个字段中出现 共现的泛化（篇内与篇间） 作者1，2，3 作者单位1，2，3 标题 期刊 摘要：词1，2，3 主题词1，2，3 分类号1，2，3 引文 1.作者、期刊、年代 2.作者、期刊、年代 作者 作者单位 标题 期刊 摘要 主题词 分类号 引文 1.作者、期刊、年代 作者共现（合著） 共现的泛化 作者同被引 共现的泛化 期刊同被引 共现的泛化（期刊同被引） 数据矩阵 相似矩阵 共现分析 可以进行共现分析的标目 作者：合著 单位：合作 主题词、关键词：共词分析 引文：同被引分析 工具 BICOMB Bibliographic Item Co-Occurrence Matrix Builder 书目共现分析系统 工具 Bibexcel 聚类 聚类分析原理 聚类分析算法 聚类分析的种类 软件使用 物以类聚 人以群分 聚类分析原理 聚类分析（cluster analysis） 是一个将数据集划分为若干组或类的过程， 同一个组内的数据对象具有较高的相似度；而不同组中的数据对象是不相似的。 相似或不相似的描述 基于数据描述属性的取值。 用各对象间的距离来表示。 聚类分析原理 聚类和分类 分类问题中，在知道训练样本的分类属性情况下，将数据对象分到不同的已知类中。 聚类分析原理 聚类问题中，在划分的类未知的情况下，将数据对象分组成不同类，需在训练样本中找到这个分类属性。 样本和变量（指标） 16种饮料的热量、咖啡因、钠及价格四种变量 聚类分析算法 聚类统计量：在聚类分析中反映样品或变量间关系亲疏程度的统计量。 距离： 用于对样品的聚类。常用欧氏距离，在求距离前，需把指标进行标准化 。 相似系数： 常用于对变量的聚类。一般采用相关系数。 关键问题： 相似度计算：点和点之间的距离 类间距离计算：类和类之间的距离。 聚类分析算法：相似度 如果想要对100个学生进行分类，如果仅仅知道他们的数学成绩，则只好按照数学成绩来分类；这些成绩在直线上形成100个点。这样就可以把接近的点放到一类。 50 0 100 聚类分析算法：相似度 如果还知道他们的物理成绩，这样数学和物理成绩就形成二维平面上的100个点，也可以按照距离远近来分类。 聚类分析算法：相似度 三维或者更高维的情况也是类似；只不过三维以上的图形无法直观地画出来而已。在饮料数据中，每种饮料都有四个变量值。这就是四维空间点的问题了。 化学 聚类分析算法：相似度 （一）欧几里得距离 欧式距离由对应元素间差值平方和的平方根所表示，即 聚类分析算法：相似度 相似系数 夹角余弦： 聚类分析算法：相似度 设每个对象有P个变量： a表示对象i和对象j的值都为1的变量的数目， b表示对象i和对象j的值都为0的变量的数目， c表示对象i为1、对象j的值为0的变量的数目， d表示对象i为0、对象j的值为1的变量的数目。 聚类分析算法：相似度 两篇论文相似(异)度的计算： 简单匹配系数（对称） Jaccard系数（非对称）： 聚类分析算法：相似度 Ochiai系数 聚类分析算法：类间距离 聚类分析算法：类间距离 由一个点组成的类是最基本的类；如果每一类都由一个点组成，那么点间的距离就是类间距离。但是如果某一类包含不止一个点，那么就要确定类间距离。 类间距离是基于点间距离定义的： 两类之间最近点之间的距离可以作为这两类之间的距离， 两类中最远点之间的距离作为这两类之间的距离； 各类的中心之间的距离来作为类间距离。 在计算时，各种点间距离和类间距离的选择是通过统计软件的选项实现的。不同的选择的结果会不同，但一般不会差太多。 聚类分析算法：类间距离 类与类之间距离定义方法： 最短距离法(single linkage) 类与类之间距离定义为两类间样品距离的最小值。 最长距离法(complete linkage)