基于RBF神经网络的文本过滤技术研究

论文摘要

计算机技术和网络技术的发展与普及,为人们自由获取全球范围内的信息提供了条件,但同时也导致网上信息的爆炸式增长,目前人们主要是用搜索引擎进行信息的查找和定位的,它对信息进行分类索引,建立索引数据库,然后根据用户提交的关键字来检索,将检索结果返回给用户,完成信息的搜索过程。然而,由于目前搜索引擎自身的局限性,使用关键字检索到的结果,仍然存在垃圾信息而造成时间和空间上的浪费。为此,本文提出一种信息过滤的方法,用RBF神经网络对用关键字搜索到的信息进行过滤,使结果更加符合用户的需要。网络信息过滤,就是根据用户的信息需求,利用一定的工具从大规模的动态信息流中自动的筛选出满足用户需求的信息,同时屏蔽掉无用的信息的过程。本文将提出一种用RBF神经网络进行信息过滤的方法。首先将搜索到的文档进行分词以及权重的计算等处理,然后提取特征向量,把特征向量输入到已训练好的RBF神经网络中进行过滤,RBF网络采用自组织结合K_均值聚类算法及LMS算法进行训练。在此基础上本文设计了一个模拟系统模型,并对系统总体框架,功能模块以及系统实现的主要方法进行了详细阐述。最后,对系统进行了测试,实验证明,该系统具有较好的过滤性能。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 引言
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.3 当前研究的成果
• 1.4 论文的结构安排及研究内容
• 第二章 文本过滤关键技术的分析
• 2.1 信息过滤的基本概念及系统的基本结构
• 2.2 信息过滤系统的分类
• 2.3 信息过滤的基本模型
• 2.4 文本过滤的几种主要算法
• 2.5 中文分词技术
• 2.6 中文分词问题及解决方法
• 2.7 文本特征提取及特征项权重计算方法
• 2.8 本文使用的中文分词方法
• 2.9 本章小结
• 第三章 RBF神经网络及其学习算法研究
• 3.1 径向基神经网络
• 3.2 RBF神经网络模型
• 3.3 RBF神经网络的学习算法
• 3.4 RBF网络的逼近问题
• 3.5 RBF网络的逼近性质
• 3.6 一种基于RBF网络的文本过滤方法
• 3.7 几点注意事项
• 3.8 本章小结
• 第四章 模拟系统的实现及测试评价
• 4.1 系统的流程
• 4.2 系统的设计与实现
• 4.3 系统的测试评价
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 未来展望
• 参考文献
• 致谢