基于SOM聚類的WEB文本挖掘及其結果的可視化研究.pdf

1、互聯(lián)網(wǎng)技術的不斷發(fā)展,帶來了人們收集、存儲和管理知識的能力的不斷增強,然而人們理解知識的能力并沒有在行為習慣、思維方式上得到顯著提高。在“信息爆炸”的時代,人們獲取的信息量已經足夠大,但是如何獲取最切合自己需求的有效信息,過濾垃圾信息以及如何將這么大量的信息完全的閱讀,成為擺在我們面前的一個難題,這就是“信息爆炸”帶來的“信息陷阱”、“信息迷航”等問題。針對這些問題,國內外專家學者提出了不少理論和方法,其中最重要的是進行知識組織以及知識

2、的可視化。
　　 本文在研究國內外文本挖掘及聚類結果可視化現(xiàn)狀的基礎上,在文本挖掘系統(tǒng)中引入SOM神經網(wǎng)絡算法,該算法在知識可視化方面效果比較突出。但是,單純照搬SOM算法進行文本挖掘聚類存在效率上的問題,由于互聯(lián)網(wǎng)上的文本信息呈指數(shù)級的增長,挖掘的結果不斷增加,會導致聚類效率嚴重下降,因此要對算法做一定的改進。利用國防詞匯本體非常清晰的層次結構,作為SOM的輸入神經元以及聚類結果的輸出模板,逐層進行聚類,能夠很好的將文本挖掘系