web文本挖掘关键技术的研究与实现

《web文本挖掘关键技术的研究与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及墩得的研究成果。尽我所知，’除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。，．申请学位论文与资料若有不实之处，本人承担一切的法律责任。～本人躲国歪日期竭：墨：3．，’西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使

2、用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。’(保密的论文在解密后遵守此规定)本学位论文属于保密，在年解密后适用本授权书。。本人签名：!旦垦导蛑名：刍肛日期2骂：!：3日期丑牛4r．0f·：I·r铀{-卜；’，，：、I《黄r■j誓?’’、‘．n；f～：jr+；，，wr、、口摘要／．煳豫互联网的迅速发展导致Web信息飞速增长

3、，Web已经成为世界上最大的信息来源。由于Web资源的迅速膨胀以及Web信息的分散性与异构性，导致知识的难以查询。目前，互联网已经发展成为拥有亿页面的分布式信息空间，而在这些异质的亿页面的资源中，蕴含着大量的人们迫切需要的知识，如何对这些庞大的Web信息进行知识提取，成为近年来的一个研究方向，并产生了新的研究领域，即Web数据挖掘。Web文本挖掘是Web数据挖掘的一个研究分支，Web文本挖掘可以提高人们获取Web信息的效率，对Web资源进行分f-J另U类，帮助用户快速的对目标知识进行定位，并且能够从中抽取有价值的知识。本文研究并利用Web文本挖掘技术对Web信息进行挖掘，实

4、现对Web文本的分类，详细设计并实现了具备完整功能结构的Web文本挖掘原型系统，重点讨论了当前流行的W曲文本挖掘的关键技术，主要的研究工作包括：1．介绍Web文本挖掘的背景知识，分析Web文本挖掘的研究背景和现状，并探讨了Web文本挖掘的意义：2．详细分析和讨论了W曲文本挖掘过程的关键技术，包括中文分词技术、权重计算方法、Web文本特征的表示和提取方法；3．讨论了几种常用的Web文本分类和聚类的算法：KNN近邻算法、朴素贝叶斯方法、SOM自组织映射算法、K均值算法，研究了K均值算法和遗传算法的理论和优缺点，在此基础上，提出基于K均值和遗传算法的聚类算法，并对其进行了实验，在

5、挖掘评价方法的基础上，验证该算法的可行性。基于以上的研究成果，本文描述了Web文本挖掘原型系统的设计和实现细节。关键词：数据挖掘Web文本挖掘中文分词特征提取AbstractWiththefastdevelopmentoftheinternetleadingtotherapidgrowthofwebinformation,webhasbeenthelargestofinformationsourceofallovertheworld．ItiSdifficulttoinquireoutknowledgebecauseofthefastexpansivewebresourcea

6、swellastheseparationandtheheterogeneityofthewebinformation．Nowinternethasbeenadistributedinformationspacewithbillionsofwebpages，fromwhichconcealsalargenumberofknowledgethatpeopleurgentlyneeded．Itisoneofresearchdirectionthathowtoextractknowledgefromplentifulwebinformation，bringanewresearchf

7、ieldnamedwebdatamining．Webtextminingisonebranchofwebdatamining．WebtextminingCanimproveefficiencypeopleobtainwebinformation，di讥dewebtextintodifferentclassifications，heIppeopletolocateknowledgetheywantquicklyandextractworthyknowledgefromwebresource．Thispaperrese