一种基于超级链接结构的WWW模糊聚类算法

搜索引擎是目前最主要的WWW信息检索的工具，然而，用户对当前搜索引擎的检索效果并不满意。论文给出了基于文档文本内容和文档间超链信息的混合相似度计算方法，并给出了基于混合相似度的模糊（软）矣类算法HTSC。对HTSC算法进行了理论分析，并对其中的核心算法进行了初步的实验验证。该算法可对搜索引擎返回的结果进行模糊聚类，以方便用户从中找到真正需要的信息。     

一种基于向量空间模型的文本聚类方法

研究了一种基于向量空间模型的文档聚类方法.提出了一个新的聚类模型,即在传统聚类模型的基础上增加一个文档特征向量调整模块;给出了一个特征评价函数用以进行特征提取;对一种基于相似度的平面划分聚类算法做了一些改进.实验结果表明本文提出的聚类模型是可行的.     

文本聚类综述

聚类作为一种自动化程度较高的无监督机器学习方法,近年来在信息检索、多文档自动文摘、智能搜索引擎、短文本信息处理等领域获得了广泛的应用。本文首先讨论了文本聚类(Text clustering)的应用,然后对文本聚类算法、聚类关键技术进行了综述。     

带聚类处理的元搜索引擎的设计与实现

在元搜索引擎技术和数据挖掘技术的基础上,结合关联规则与FCM(模糊C均值聚类,Fuzzy C-Means)提出一种基于关联词矩阵的结果模糊聚类优化方法——FCMAWM(FCM basedon Associated Word Matrix),并详细描述其过程.基于该算法设计并实现了一个带聚类处理的元搜索引擎系统CMES,介绍了该系统的设计总体框架,并对其进行测试及分析,结果证明该系统在提高用户检索效率的同时,有效地提高了查全率及查准率.     

基于模式元素的文档聚类方法研究

聚类问题的关键是把相似的事物聚集在一起,因此相似度计算是进行文档聚类的首要问题.XML模式是XML文档结构的体现,对XML文档的聚类可以通过XML模式的聚类来实现.本文提出一种基于XML模式元素的文档聚类方法,通过计算XML模式元素间的相似度来对文档进行聚类,综合考虑了XML模式中元素的结构和语义信息,进一步提高了计算相似度的精度,提高聚类的准确性,并且易于提取聚簇的通用XML模式.     

基于内容的音频数据检索研究

如何自动对音频的内容进行快速有效的检索已经成为目前一个受到重视的问题．为此,给出了基于内容的音频检索的一般方法,并研究了一种基于模糊聚类音频例子检索算法．     

使用本体语义提高文本聚类

为了提高聚类结果和允许在结果中进行选择,将本体语义与文档聚类相结合,在文档处理过程中提出了基于WordNet的新的文档聚类算法.首先通过tf-idf对文档进行了表示,为了将WordNet的概念出现在文档集合中,通过新的实体对每一个单词向量进行扩展.其次,运用特征提取算法对文档进行特征提取.最后提出了本体集合聚类算法用以提高文本的聚类效果.实验构建在Reuters20新闻组的数据基础上,应用互信息作为试验结果的比较.结果表明:与已经存在的一些算法如MNB,CLU-TO,co-clustering等相比,基于本体的聚类算法在文本聚类上有很明显的提高.     

一种改进的K-medoids知识聚类算法研究

根据文本信息在聚类过程中的特点构建了一种基于K medoids的文档聚类方法,并结合文本特征提取KNN算法对训练文本进行测试,该方法首先利用K medoids在聚类过程中实现简单、收敛速度快的特性,再利用KNN算法在文档特征提取过程中简单、高效的特点,对训练进行聚类划分。实验结果表明,利用该方法在对文档进行聚类时,F1值、耗时及分割数等方面与KNN及CLKNN算法相比都有较大提高。     

主题模型在检索结果聚类中的应用

检索结果聚类能够有效帮助提高获取信息的效率和质量。针对传统文本聚类模型存在数据维数过高、缺乏语义理解等问题,提出一种面向检索结果聚类的融合共现分析主题建模算法。基于改进的LDA模型,对得到的“文档-主题”概率分布进行聚类分析,采用K-means算法完成聚类过程,最后提出根据聚类中心提取主题词作为类簇标签。实验结果表明,改进的LDA算法在检索结果聚类应用上不仅获得了很好的聚类效果,类簇标签也有良好的可读性。     

基于模糊层次聚类与模糊推论技术的模糊信息检索方法的研究

本文研究了一种新的基于模糊层次聚类与模糊推论技术的模糊信息检索方法。该方法通过对文件的聚类、构建模糊集群文件、建立集群中心文件的模糊逻辑规则来修改用户的查询信息，使查询结果更加符合用户的需求。这种模糊信息检索方法因为能够扩展用户的查询条件来使用一种更有效率的方式进行模糊检索，所以比现有的方法更加灵活化和智能化。