Web Based Information Architectures 课程之.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Web Based Information Architectures 课程之 文本聚类部分的内容 第1 节 引言 聚类是对数据对象进行划分的一种过程,与分类不同的是,它所划分的类是 未知的,故此,这是一个“无指导的学习”(unsupervised learning )过程,即聚 类算法不需要“教师”的指导,不需要提供训练数据,它倾向于数据的自然划分。 文本聚类(Text clustering ): 将文本集合分组成多个类或簇,使得在同一 个簇中的文本内容具有较高的相似度,而不同簇中的文本内容差别较大。它是聚 类分析技术在文本处理领域的一种应用。 在IR 中的应用:早期主要是为了提高系统的查准率与查全率,并被用于寻 找给定文本的相近文本。目前主要用于浏览文本、显示文本集合、组织搜索引擎 的返回结果,如Vivisimo 的结果聚类,这有利于用户快速定位自己需要的信息。 其他应用:如帮助市场分析人员从客户信息中发现不同的用户群,并且用购 买模式来刻画不同的用户群的特征。 文本聚类的主要方法: 基于划分的、层次的、自组织特征映射、遗传算法等。 第2 节 文本间距离与文本类间的距离 为了度量文本间的接近或相似程度,需要定义一些用于划分类别的计量指 标。常用的统计指标有距离和相似系数。“距离”属于相异性测度指标,“相似系 数” 属于相似性测度指标。距离和相似系数成反比,如sim(i,j)=1/(1+dij) 。 一、文本间的距离 对于有n 个特征属性的文档集合来说,m 个文档可以看作n 维空间中的m 个点。为此,我们可以用点间的距离来度量文档间的距离。最常用的距离度量方 法是欧几里得距离,定义如下: dij (wi1 =−wj 1)2 +(wi2 −wj 2 )2 ++(win −wjn )2 其中,第i篇文档与第j 篇文档分别用 (w , w , , w ) 和(w , w , , w ) 表 i1 i 2 in j 1 j 2 j n 示;d 表示第i篇文档与第j 篇文档间的距离。 ij 另一个度量方法是曼哈坦距离,其定义如下: dij | wi1 =−wj 1 | +| wi2 −wj 2 | ++| win −wjn | 上面的两种度量方法都满足对距离函数的如下要求: d ≥0 , 即距离是一个非负的数值 ij dii 0 , 即一个文档与自身的距离为0 d d ,即距离函数具有对称性 ij ji d ≤d +d ,即距离函数满足三角不等式 ij ik kj 明考斯基距离是欧几里得距离和曼哈坦距离的概化,定义如下: p p p 1/ p dij (| wi1 =−wj 1 | +| wi2 −wj 2 | ++| win −wjn | ) 其中q 是一个正整数, 当q=1 时,它表示曼哈坦距离;当q=2 时,它表示欧几里得 距离。 如果对每一个变量根据其重要性赋予一个权重,就得到加权的明考斯基距 离: p p p 1/ p dij (u1 | wi1 =−wj 1 | +u2 | wi2 −wj 2 | ++un | win −wj n | ) 二、文本间的相似系数 对于有n 个特征属性的文档集合来说,m 个文档可以看作n

文档评论(0)

PPT精品 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档