Web文檔聚類系統(tǒng)的設計與實現.pdf

1、我們生活在一個信息化的時代，各種信息急劇膨脹，為了有效利用這些信息，數據挖掘和知識發(fā)現技術應運而生，并顯示出強大的生命力。聚類分析在數據挖掘研究中占有重要的位置。所謂聚類，就是將物理或抽象對象的集合劃分成為由類似的對象組成的多個類的過程。 本文首先對Web文檔聚類中的數據表示方法、特征提取、權值計算進行了系統(tǒng)的研究，并開發(fā)了一整套從網上下載新聞、提取新聞正文、提取詞干、計算權值、聚類、聚類結果可視化的軟件，軟件采用了XML和多線

2、程技術。 介紹和分析了K-means聚類算法，并對Web文檔聚類中的歐氏距離進行改進。改進后的歐氏距離與傳統(tǒng)歐氏距離相比，提高了聚類的質量和速度。改進的歐氏距離與文本聚類中常用的余弦距離效果相當。 提出一種基于交集的聚類組合算法，借鑒了選舉投票的思想。給定同一數據集的不同聚類結果，此算法先求出不同聚類結果中每個簇的對應關系，然后計算這幾個聚類結果中對應簇的交集，對剩余的有爭議對象進行投票，最后把投票之后仍未確定歸屬的對象