- 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、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、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、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 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、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、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
基于dbscan优化算法的web文本聚类研究-计算机应用技术专业论文
摘
摘 要
随着Internet和Web技术的飞速发展,Web已经成为一个海量动态的信息资源 库:而文本是信息最重要的载体,研究表明信息有80%包含在文本中。因此人们迫 切需要能够从Web文本数据中快速有效地发现资源和知识的工具,而Web文本聚 类是一种有效的文本挖掘方法,也是Web数据挖掘中的核心技术之一。本文针对 Web文本聚类展开研究,主要工作如下:
(1)对Web文本聚类关键技术进行概述,主要分析了网页采集、文本去噪、分 词、文本表示和特征降维等文本预处理的相关技术,其中针对TF.IDF方法的不足, 提出一种改进的特征项权值计算方法SDI.TF.IDF;
(2)在基于向量空间模型中使用的文本相似性度量方法基础上,分析了Web文 本聚类算法,对几种典型的聚类方法从多个方面作以比较,并介绍Web文本聚类评 价标准;
(3)分析了传统的DBSCAN算法思想的局限性,针对建立R车一树复杂耗时及 DBSCAN算法对非均匀数据集聚类效果差等缺点,在目前现有的IF.DBSCAN算法 的基础上,结合哈希表邻域查询法和核函数聚类,提出了对DBSCAN算法的改进 优化方法;
(4)最后对采集到的Web文本进行聚类,实验验证了优化算法具有良好的聚类
结果。
关键字:Web文本聚类、向量空间模型、DBSCAN、哈希表法、核函数聚类
AbstractAs
Abstract
As the rapid development of Internet and Web technology,Web has already become a massive dynamic information resource database.Text is the most important carrier of information,and the research shows that 80%of the information has been contained in the text.So people urgently need to discover tools of resources and knowledge from the
Web text data rapidly and efficiently.While Web text clustering is not only an effective
method of text mining,but also one of the core technologies in Web data mining.In this thesis,the research on Web text clustering is conducted as follows:
(1)Firstly,this thesis paper has made deep research on the key technology of Web text clustering and discussed the related technologies of text pretreatrnent,such as homepage gathered,text denoised and segemented,text expressed,feather dimension reduction and SO on.For the disadvantages of TFIDF,the SDI—TFIDF is presented to computer the weight of the features.
(2)Secondly,it has also introduced the method of text similarity measure in the vector space model,analyzed the Web text clustering algorithms,compared several typical cluster methods from many aspects,and introduced the evaluation standards of
text clustering;
(3)Thirdly,I introduce the thought of traditional DBSCAN algorithm and analyze its limitations.Based on the IF-DBSCAN algorithm,aiming at some defects such as establishing complicated R*-tree time—consuming
您可能关注的文档
- 基于canopen协议模块化can控制器的研究-控制理论与控制工程专业论文.docx
- 基于autocad的异型耐火砖模具3d造型方法的研究-机械设计及理论专业论文.docx
- 基于arm的双平板导热系数测定仪的开发-测试计量技术及仪器专业论文.docx
- 基于4-咪唑羧酸的过渡金属配合物的合成、结构及性质研究化学专业论文.docx
- 基于cpci总线的测井数据采集卡的研究与开发-信号与信息处理专业论文.docx
- 基于cscw的油田开发方案辅助设计软件的研究与实现-计算机应用技术专业论文.docx
- 基于bpr的红星集团经营管理优化研究-管理科学与工程专业论文.docx
- 基于dem的泥石流沟地貌环境特征变化探测研究-大地测量学与测量工程专业论文.docx
- 基于2,2'-联咪唑配体的氢键组装和分子识别的研究-无机化学专业论文.docx
- 基于aunps和lc的pb2+检测方法研究-生物医学工程专业论文.docx
- 基于fieldbus的钠电解槽智能控制系统的研究-控制理论与控制工程专业论文.docx
- 基于can总线的电动汽车通信显示系统的研制-电力电子与电力传动专业论文.docx
- 基于casa和多光谱遥感数据的黑河流域npp研究-地图学与地理信息系统专业论文.docx
- 基于dhcp&ldap技术的校园网计费管理系统-信号与信息处理专业论文.docx
- 基于atmega88的半导体激光器驱动器的设计与实现-模式识别与智能系统专业论文.docx
- 基于1b型hcv不同准种株核心蛋白对hepg2细胞的蛋白质组影响的比较研究-内科学(传染病学)专业论文.docx
- 基于80c196kc的激光雕刻机控制系统研制-机械电子工程专业论文.docx
- 基于.net的反应离子刻蚀设备控制系统的设计与实现-软件工程专业论文.docx
- 基于fpga的trimedia媒体处理系统-通信与信息系统专业论文.docx
- 基于arm的压电陶瓷驱动电源设计与研究-检测技术及自动化装置专业论文.docx
最近下载
- 1. 《高质量数据集 建设指南》技术文件征求意见稿.pdf VIP
- 大学校园网有线无线综合运营方案技术建议书.doc VIP
- 《老年人能力评估实务》教案 项目四 老年人能力评估实务.docx VIP
- 20G908-1:建筑工程施工质量常见问题预防措施(混凝土结构工程) .docx VIP
- 《围手术期血糖监测护理规范》(TCRHA 072-2024).pdf VIP
- 美集团职位管理手册全.docx VIP
- 《安全生产严重失信主体名单管理办法》知识培训.pptx VIP
- 大学英语四级690个高频词汇(全).doc VIP
- 上海轨道交通市域线嘉闵线工程环境影响报告书.pdf
- 培训体系构建与培训管理课件.pptx VIP
文档评论(0)