文本挖掘關鍵技術的研究及模擬實現(xiàn).pdf

1、文本挖掘是隸屬于數(shù)據(jù)挖掘并且結合到自然語言處理的比較熱點的一個研究領域。在面對現(xiàn)今復雜繁多的文本信息時,通過使用文本挖掘技術,人們能夠對這些信息進行有效組合整理,以便能夠實現(xiàn)對信息的準確檢索定位,最終為用戶提高查找有用數(shù)據(jù)的效率。
　　本文在對文本挖掘整體框架進行分析的基礎上,針對其中三個部分進行了深入研究。
　　(1)針對文本特征提取技術,本文提出了一種基于改進遺傳算法的方法。該方法中充分利用了遺傳算法的全局優(yōu)化能力,首先

2、將互信息MI特征提取方法引入遺傳算法適應度計算中,利用其來提高文本特征與類別之間的相關性,以便最終提高特征提取的準確度,然后將蟻群算法引入到遺傳算法選擇過程之中,對其隨機性過大的問題進行方向引導,以便最終提高算法效率,節(jié)省時間。最終通過實驗仿真對其特征提取結果的準確性以及算法的運行時間進行了測試,以此驗證了算法的有效性。
　　(2)針對文本聚類方面,本文提出了一種基于改進蟻群聚類模型的方法。該方法充分利用了蟻群聚類算法的自組織性以

3、及對前期數(shù)據(jù)輸入順序的不敏感性,并對其缺點進行了算法改進,面對蟻群聚類收斂問題加入了凝聚層次聚類來對其進行聚類重構,并且增加了全局記憶器來對算法進行整體控制以防止聚類過慢,同時,優(yōu)化了參數(shù)細節(jié)來增加人工螞蟻的環(huán)境適應度,以便提高了聚類效果以及準確度。最后通過實驗對其聚類結果的查準率、查全率以及F1評估值進行測試,使算法到達預期效果。
　　(3)針對文本分類方面,本文提出了一種改進的KNN算法。由于KNN是一種懶惰的算法,只有在分類