学位论文 > 优秀研究生学位论文题录展示

SOM算法的改进及其在中文文本聚类的应用

作　者: 刘飞荣
导　师: 段隆振
学　校: 南昌大学
专　业: 计算机应用技术
关键词: 文本聚类 SOM 中文分词同义词合并特征选择预处理
分类号: TP391.1
类　型: 硕士论文
年　份: 2010年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

近几十年来,国外学者对英文文本聚类投入了大量研究工作,并取得了些优秀的成果。与英文文本聚类相比,中文文本聚类技术研究和应用起步较晚,文本聚类效果普遍不太理想。针对此现状,本文对中文文本聚类技术进行深入研究。重点在于改进经典SOM算法,并应用于中文文本聚类中。本文研究工作主要涵盖以下四点内容：(1)研究中文文本聚类技术,包括中文分词、停用词过滤、特征选择等中文预处理技术以及各种聚类分析算法。(2)针对特征项维数灾难导致计算负载过大,在预处理中引入同义词合并技术,实现特征空间的语义降维,提高系统聚类速度和准确性。(3)重点研究经典SOM算法,针对其聚类数目需预先输入、网络结构固定、初始化效果不理想以及聚类结果依赖样本输入顺序,提出一种改进的自增长SOM算法予以解决之。(4)采用C#.net技术设计实现了基于改进的SOM算法的《中文文本聚类系统》平台。然后进行了系统测试评估,评估结果表明改进SOM算法可以改善系统聚类效果。

全文目录

摘要  3-4
Abstract  4-7
第1章引言  7-11
  1.1 研究背景与意义  7-8
  1.2 课题来源  8
  1.3 国内外研究现状  8-10
  1.4 论文组织结构  10-11
第2章中文文本聚类技术  11-25
  2.1 文本聚类概述  11-14
    2.1.1 文本聚类的过程  11-12
    2.1.2 文本类的定义  12-13
    2.1.3 文本的相似度计算  13-14
  2.2 中文预处理  14-19
    2.2.1 文本表示  14-15
    2.2.2 中文分词  15-16
    2.2.3 停用词过滤  16-17
    2.2.4 同义词合并  17-18
    2.2.5 权重计算  18-19
    2.2.6 特征选择  19
  2.3 聚类分析  19-22
    2.3.1 基于划分的算法  20
    2.3.2 基于层次的算法  20-21
    2.3.3 基于密度的算法  21
    2.3.4 基于模型的算法  21-22
    2.3.5 基于网格的算法  22
  2.4 聚类效果评估  22-24
  2.5 本章小结  24-25
第3章自组织映射神经网络的研究与改进  25-36
  3.1 自组织映射神经网络  25-28
    3.1.1 SOM拓扑结构  25-26
    3.1.2 SOM算法描述  26
    3.1.3 SOM网络特性  26-27
    3.1.4 SOM存在的缺陷  27-28
  3.2 自组织映射网络的改进  28-32
    3.2.1 问题的提出  28
    3.2.2 网络拓扑结构  28-29
    3.2.3 关键因子设定  29-31
    3.2.4 改进算法描述  31-32
  3.3 算法分析  32-35
  3.4 本章小结  35-36
第4章文本聚类系统的设计与实现  36-52
  4.1 系统流程图  36-37
  4.2 功能模块  37-47
    4.2.1 中文分词  37
    4.2.2 特征降维  37-43
    4.2.3 聚类分析  43-46
    4.2.4 输出结果  46-47
  4.3 运行情况  47-51
  4.4 本章小结  51-52
第5章实验结果与分析  52-57
  5.1 实验环境  52
  5.2 语料来源  52
  5.3 测试评估  52-56
  5.4 本章小结  56-57
第6章结论与展望  57-59
  6.1 结论  57
  6.2 展望  57-59
致谢  59-60
参考文献  60-63
攻读学位期间的研究成果  63

SOM算法的改进及其在中文文本聚类的应用

内容摘要

全文目录

相似论文