文档介绍：⑧结合概率潜在语义分析的文本谱聚类研究重庆大学硕士学位论文重庆大学计算机学院跹学生姓名:张洪指导教师:张玉芳教授业:计算机系统结构学科门类:工学二欢晁脑专
⑧:’.,
摘要聚类分析是当前数据挖掘领域中一个研究热点,已经被广泛应用于搜索引擎、科学数据探测、信息过滤、治觥⑼枷翊淼攘煊颉F拙劾嗨惴ㄗ魑R恢中颖的聚类分析算法,与传统的聚类方法相比,该方法不仅可以处理复杂的数据类型,将聚类问题转换为代数问题进行求解;而且它简单易实现,可以在任意形状簇的样本空间上进行聚类,具有辨另棺楹系哪芰Σ⒛茉谌ň稚匣袢∽钣沤狻然而,谱聚类算法也存在一些不足。谱聚类中的相似矩阵一般建立在向量空间模型之上,该模型忽略了词的同义、多义的问题,造成了信息的大量冗余;此外,谱聚类对高斯函数中的尺度参数十分敏感,使得谱聚类的性能很不稳定。为了解决上述问题,本文首先用概率潜在语义分析方法提取潜藏语义信息,以弥补向量空间模型中缺乏语义信息描述的缺陷;然后,利用夹角余弦计算相似度的方法构造相似矩阵,以消除尺度参数对谱聚类的影响。最后,将改进后的方法运用到文本谱聚类上。在此过程中,本文主要研究工作如下:①分析了当前向量空间模型中存在的不足:一是该模型忽略了词语之间存在的多义性和同义性的问题,造成了特征冗余;二是由于文本特征项的高维性,在对文本数据的处理时就需要消耗大量时间;针对这些问题,提出结合概率潜在语义分析的谱聚类算法。②研究了谱聚类算法的有关背景理论知识和方法,并总结了谱聚类算法的一般处理过程,深入分析了谱聚类中相似矩阵的构造问题。③传统谱聚类算法中相似度的计算采用的是高斯函数,该方法需要根据经验人为初始化尺度参数,使得该函数具有一定的局限性,影响谱聚类的性能。本文没有专门研究对尺度参数的优化,而是用夹角余弦方法计算文本之间的相似度,来避免尺度参数人为选择引起的不足,提高谱聚类的性能。最后,在重新构造的相似矩阵上进行文本谱聚类,并进行实验分析,采用聚类准确度和互信息指标评价实验结果,在该评价指标上,本文提出的在语义空间上采用夹角余弦计算文本之间相似度的方法相比于原来的方法,得到的谱聚类效果更好、性能更稳定。结果表明本文提出的改进方法是可行性的。关键词:聚类分析,谱聚类,概率潜在语义分析,相似矩阵重庆大学硕士学位论文中文摘要
瑂,①②③重庆大学硕士学位论文,,英文摘要,,甀,,瑃瓼簅,甀,瑀,,.,甌..痶
甀,.,琧.:,,,
目录中文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..英文摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯髀邸拙劾喔攀觥岷细怕是痹谟镆宸治龅奈谋酒拙劾唷研究背景和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.文件聚类的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯”谱聚类算法的研究现状和应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一本文的研究内容及组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯··引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯文本聚类分析概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·文本聚类相关技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯谱聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯向量空间模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯概率潜在语义分析概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯概率潜在语义分析技术⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯引言⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·相似矩阵构造问题⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯使用概率潜在语义分析构造相似矩阵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯··小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯·.
笛榻峁敕治觥嵊铩致谢⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯参考文献⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯附结合的文本谱聚类算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯引言⋯⋯⋯⋯⋯⋯⋯