贝叶斯层次聚类及其在文本挖掘中的应用.doc

《贝叶斯层次聚类及其在文本挖掘中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、1摘要贝叶斯层次聚类及其在文本挖掘中的应用姜宁（计算机软件与理论）（导师：史忠植）随着互联网中信息的日益增长，通过文本挖掘，快速、准确地检索信息和分类信息成为人们日益迫切的要求，具有广泛的应用前景和实用价值。本文对文本数据挖掘中的一种重要方法——聚类分析进行了广泛而深入的探讨。通过对以文本数据为代表的高维特征空间特点的分析，本文主要从概率角度，特别是用贝叶斯方法，来研究文本数据的聚类分析。本文的研究工作主要集中在以下几个方面：1)基于文档信息量变化的概率层次聚类。依据信息论的思想，从文档信息量变化的角度，对文本聚类的过程进行了分析，研究了信息量在层次聚类过程中所呈现的规律性，进而提出一种基于信

2、息量模型的聚类分析算法。采用贝叶斯方法对算法进行深入地分析表明，信息量聚类的概率解释就是贝叶斯模型的对数似然比。2)贝叶斯模型选择在聚类分析中的应用。通过研究该算法的概率解释，文中从问题域出发，对文章中特征序列的随机产生过程进行了讨论，给出了一个具体的物理模型。同时，我们对聚类分析中的模型选择，特别是混合模型方法，做出了较全面地介绍与总结，对其中的关键技术逐一进行了讨论。在此基础上，我们给出了贝叶斯后验模型，并把它与物理模型相结合，提出一个采用贝叶斯后验概率模型的层次聚类算法。对真实文本数据的测试中，该算法获得了很高的聚类准确率。3)无监督学习中聚类准确度的评价。不同于分类问题，在聚类分析中如

3、何客观的评价聚类结果并没有一个普遍认同的标准。本文对聚类算法的评价中采用了平均准确率，为此深入的讨论了PA、NA指标在无监督学习中对查全率和查准率地反映。发现了它们和召回率、精度之间的内在联系。1)高维特征空间中的特征约简特征约简可以大幅度的提高聚类的速度，而对聚类的准确率影响不大。本文的最后，讨论了一种基于特征联合概率的、高效的特征相似性度量，将其应用于特征聚类，并对文中涉及的各种算法进行了实验，取得了满意的效果。值得一提的是，一些算法在约简后的特征集中进行聚类时，准确率获得了大幅度的提高。关键词：文本挖掘，层次聚类，信息熵，模型选择，混合模型，贝叶斯后验模型，贝叶斯估计，平均准确率，PA/

4、NA，特征聚类ABSTRACTHierarchicalBayesianClusteringanditsApplicationtoTextMiningJiangNing(ComputerSoftwareandTheory)SupervisedbyProfessorShiZhongzhiWithrapidgrowthofinformationonInternet,advancedinformationretrievaltechniquesofhighperformanceandhighaccuracyareincreasinglydemandedbyindustry,whichmayhaveapo

5、tentialtoleadtoarevolutioninthewaythatpeopleareusingInternet.Textclustering,orunsupervisedtextclassification,isaprimarymethodusedininformationretrieval.Themethodhasbeenreceivingincreasingattentionfromthecommunity,asitdoesnotneedmanuallyclassifiedtextfortrainingandthereforemoresuitableforlarge-scaleI

6、nternettextclassificationtasks.Thisthesisdiscussestextclusteringtechniquesindepth.ThethesisinvestigatestextclusteringfromaprobabilisticpointofviewwithemphasisonBayesianapproaches.Thecontentisorganisedintothefollowingsections:1)Probabilistichierarchicalclusteringbasedondocumentinformationquantity.Fro

7、maninformationtheoryangle,westudylatentrelationsbetweendocumentinformationquantityanddocumentclassification.Ahierarchicaltextclusteringalgorithmisproposedbasedondocumentinformationquantity.Theoretical