检索结果-南通市图书馆

现代电子技术 2019年第7期42卷 162-166页

作者：邹雪君谢珺任密蜂续欣莹太原理工大学山西晋中030600

传统K-medoids聚类算法随机选取初始聚类中心,存在迭代次数增加、聚类结果波动较大的问题,因此提出基于全覆盖粒计算的K-medoids文本聚类算法。该算法定义了全覆盖平均粒度重要性的概念。首先对文本进行Single-Pass粗聚类,利用全覆盖粒... 详细信息

传统K-medoids聚类算法随机选取初始聚类中心,存在迭代次数增加、聚类结果波动较大的问题,因此提出基于全覆盖粒计算的K-medoids文本聚类算法。该算法定义了全覆盖平均粒度重要性的概念。首先对文本进行Single-Pass粗聚类,利用全覆盖粒度重要性和平均粒度重要性从粗聚类结果中产生初始聚类中心候选集,再基于密度和最大最小距离法则从候选集中选出初始聚类中心。通过实验验证,该算法的聚类迭代次数明显减小,聚类质量明显提高。

关键词：文本聚类 K-medoids 全覆盖粒计算 Single-Pass 聚类中心最大最小距离密度

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于全覆盖粒计算的文本特征选择和聚类研究

基于全覆盖粒计算的文本特征选择和聚类研究

引用

作者：邹雪君太原理工大学

学位级别：硕士

在信息爆炸的当今,文本信息呈现指数级上涨的趋势,人类徜徉在信息的海洋里。网络用户面对规模如此庞大的数据时,如何从这些数据中快速、准确地获取自己感兴趣的相关内容,是人类正面临的巨大挑战。通过人工对文本信息进行分类整理不仅成... 详细信息

在信息爆炸的当今,文本信息呈现指数级上涨的趋势,人类徜徉在信息的海洋里。网络用户面对规模如此庞大的数据时,如何从这些数据中快速、准确地获取自己感兴趣的相关内容,是人类正面临的巨大挑战。通过人工对文本信息进行分类整理不仅成本高,而且缺乏时效性,因此采用机器学习方法进行文本挖掘成为国内外研究的热点。文本聚类是文本挖掘的关键技术之一,在自动整理文档集、搜索引擎等方面都得到广泛应用。文本聚类是一种无监督的机器学习方法,文本特征选择是文本聚类的预处理步骤之一,本文针对现有文本特征选择精度不高的问题和基于划分的文本聚类随机选取初始聚类中心导致聚类精度低的缺点分别进行改进,提出一种改进的特征选择算法和一种改进的文本聚类算法。粒计算是机器学习和文本挖掘领域处理关键问题的一种新方式,在保留数据中蕴含的价值和信息的前提下,能大幅度的降低数据的维度,是处理大规模文本数据的一种有效工具。全覆盖粒计算是粒计算的一种特例,包含全覆盖理论、信息粒化和粒度计算,为文本特征选择和文本聚类提供了一种新的思路。本文的主要研究工作有:1、提出一种基于全覆盖粒计算的文本特征选择方法,通过将特征词的位置、词频、词性因素扩展至TFIDF(Term Frequency Inverse Document Frequency)算法中,即TFIDFP(Term Frequency InverseDocument Frequencypeech and Place)算法,结合bLDA(background Latent Dirichlet Allocation)主题模型计算特征词的语义信息,同时将二者线性加权,得到符合文本内容表达的特征词集,最后对特征词集进行信息粒化,进行全覆盖粒计算的知识约简,在保留文本信息不变的前提下,得到更精简的特征词集。实验表明,与其它特征选择算法相比,本文的特征选择算法得到的特征词集更符合文本表达的实际意义。2、本文提出一种基于全覆盖粒计算的K-medoids文本聚类算法,通过Singles-Pass算法对文本集进行粗聚类,利用全覆盖粒计算相关理论从粗聚类结果中选出初始聚类中心候选集,基于密度和最大最小距离理论从初始聚类中心候选集中选出初始聚类中心。实验表明,与其它改进K-medoids算法相比,本文选出的初始聚类中心更符合实际的聚类中心,因此聚类质量较好,同时结合改进的特征选择算法和改进的聚类算法,与改进的特征选择算法和传统聚类算法相结合作对比,结果表明本文的特征选择算法和聚类算法的可行性和有效性。

关键词：全覆盖粒计算特征选择文本聚类 K-medoids聚类

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全覆盖粒计算的新闻文档子话题划分方法研究

基于全覆盖粒计算的新闻文档子话题划分方法研究

引用

作者：苏婧琼太原理工大学

学位级别：硕士

当今时代信息爆炸,信息量规模急剧膨胀,来自四面八方的信息如浪潮般涌入人类的生活。在如此庞大的数据面前,用户想要在海量信息中快速、准确地获得自己感兴趣的新闻话题,将面临着巨大的挑战。针对大量的新闻事件,如何按照话题进行组织... 详细信息

当今时代信息爆炸,信息量规模急剧膨胀,来自四面八方的信息如浪潮般涌入人类的生活。在如此庞大的数据面前,用户想要在海量信息中快速、准确地获得自己感兴趣的新闻话题,将面临着巨大的挑战。针对大量的新闻事件,如何按照话题进行组织和归类,以便能够自动地把相关话题的信息汇总,这已成为自然语言处理中一个重要的研究课题。话题识别与划分技术应运而生,其致力于研究对来自不同的文本集进行有效的组织、搜索与结构化。全覆盖粒计算是信息处理和数据挖掘的一种新的研究方法,为具有不确定、不完整信息的大规模海量数据的挖掘提供了一种新的思路。它包括全覆盖理论和粒度的粒化、粒的运算,为子话题划分提供了一种新的解决方法。本文的创新点主要有:1、本文采用LDA(Latent Dirichlet Allocation)主题模型对海量新闻语料进行语义分析并建立模型,提取新闻文档的隐含主题,得到“文档-主题”?矩阵;通过多次实验对?矩阵中的概率设置合适的阈值,进而将“文档-主题”矩阵转换为全覆盖模型;在全覆盖粒计算的基础上,利用粒约简的方法,删除冗余覆盖元,得到最简覆盖元。2、从集合论的角度提出了全覆盖粒计算的诱导划分算法DP(DerivedPartition),探讨了该算法的理论依据,提出了算法的具体过程,分析了算法的时间复杂度;并对算法的结构及过程进行了优化,通过大量的实验验证,表明改进后确实提高了该算法的性能;最后以实例对该算法进行了进一步的解释。3、在LDA主题模型和诱导划分算法的基础上,设计基于全覆盖粒计算的面向新闻文档的子话题划分方法;通过在搜狗新闻语料库上与三种传统的Baseline方法、VSM方法以及经典的Single-Pass方法的对比实验,从不同角度验证了该方法的适用性、可行性和扩展性,说明本文算法能较好的实现子话题划分。

关键词：全覆盖粒计算主题模型诱导划分子话题划分

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：