中文文本聚类算法研究

《中文文本聚类算法研究》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、学校代瞄１０２化学号２０１４４５０７００６Ｉ多．爭ＳＯＯＣＨＯＷＵＮＩＶＥＲＳＩＴＹ．－：／：版志ｗｉ－－．巾城本Ｍ类算尉腺胃民ｅｓｅａｒｃｈｏｎＣｈｉｎｅｓｅ１：ｅｘｔ加ｓｔｅｒｉｎｇａｌｒｉｔｈｍｇｏ硏究生姓名汪丹丹指导教师姓名唐煌专业名称应用统计硏究方向金融统计所在院部数学科学学院论文提交日期２０１６年４月苏州大学学位论文独创性声明本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文

2、不含其他个人或集体己经发表或撰写过的祈究成果，也不含为获得苏州大学或其它教育机构的学位证书而使用过的材料。对本文的研巧作出重要贡献的个人和集体，均己在文中明滿方式标明。本人承担本声明的法律责任。论文作者签名：日期：）认备Ｊｏ苏州大学学位论文使用授权声明本人完全了解苏州大学关于收集、保存和使用学位论文的规定，郎：学位论文著作较归属苏州大学。本学位论文电子文挡的内容和纸质论文的内容相一致。苏州大学有权向国家图书馆、中国社科院文献信息情报中也、中国科学技术信息研巧所（含万方数据电子出版社）、中文国学术期巧（光盛版）电子杂志化送

3、交本学位论文的复印件和电子保存挡和，汇允许编学论文位被论蒼文阀和借阅，可采用影印、缩印或其他复制手段据库进本巧学位检论索文。属涉密，论可文将口学化在论文的全部或月部解分密内后容适编入有关数论文非涉密论文囚用本规定。导师作者签签名：＿＿凹期；ＭｉｋＡ馆名：目期：＞作、分？／０中文文本聚类算法研究摘要聚类作为一种无监督的学习算法，具有一定的灵活性和较高的自动化处理能力。其应用领域非常广泛，它可以结合文本挖掘技术，对文本进行聚类分析，从而可以应用于搜索引擎中，方便用户快速搜索到自己想要的有价值的信息，同时也可以应用于垃圾邮件的过

4、滤、文档归类等问题中。本文主要研究的是中文文本聚类算法。首先对课题的研究背景和意义进行了阐述，随后引入文本挖掘的概念，并对文本挖掘的相关技术进行研究，利用R语言中的Rwordseg包和jiebaR包实现文本的分词、研究文本特征提取与降维技术，如常见的TF-IDF技术。在第三章中对文本聚类的流程和常见的聚类算法做总结。重点介绍了VSM文本表示模型和几种常用的聚类算法。最后应用k-means、hclust聚类算法对旅游业的用户点评数据进行聚类，并分析聚类效果。同时加入电子商务业的点评数据进行文本聚类，和旅游业的聚类效果对比分析。关键词：文本挖掘文本聚类聚类算法作者：汪丹

5、丹指导老师：唐煜IResearchonChinesetextclusteringalgorithmAbstractClusteringalgorithmisanunsupervisedlearningalgorithm,ithassomeflexibilityandahigherabilitytodealwithproblemsautomatically.Consequentlyithasawideapplication.Itcanbecombinedwithtextminingtechnologytodoclusteringanalysisontexts,whic

6、hcanbeappliedtothesearchengineareaforuserstosearchthevaluableinformationtheywantconvenientlyandquickly.Atthesametime,itcanalsobeusedinspamfiltering,documentclassification,etc.ThispapermainlyconsideredtheChinesetextclusteringalgorithm.Firstly,thebackgroundandsignificanceoftheresearchwer

7、edescribed.Thentheconceptoftextminingwasintroduced,andtherelatedtechnologyoftextminingwasstudied.ItusedRpackagesincludingRwordsegandjiebaRtoachievethetextwordsegmentation,andstudiedthetechnologyofthefeatureextractionanddimensionreduction,suchasTF-IDFtechnology.Inthethirdchapter,thisp