基于概念格的Web文本聚类过程模型研究

论文摘要

随着Internet时代的到来,Web信息呈现爆炸式增长,信息检索、文本挖掘这些情报学领域内的传统技术遇到了新的挑战,如何在海量级的Web文本中迅速找到符合自己需求的信息成为了一个新的课题。为解决这一问题,本文提出一种基于概念格的Web文本聚类过程模型,提供了一种全新的解决方法。本文以文本聚类现有的典型算法为切入点,深入分析了各个算法的优缺点,指出了现有文本聚类算法所存在的问题,接着引入了概念格这一新的数学工具,然后深入的了解了概念格的构造过程,并将这一构造过程引申到文本聚类过程中,使之成为了文本聚类的过程,从而在理论层面形成了一种全新的基于概念格的Web文本聚类过程模型。最后文本从应用角度验证了该模型,形成了2、3类文本聚类尤其是3类文本聚类结果与预想的结果相吻合,说明了该模型的可行性。本文的创新点在于给出了Web文本聚类的新方法,构造了一种基于概念格的Web文本聚类模型,在文本聚类方法上以及概念格应用上有所创新。文本的研究成果对情报学领域中的信息检索、文本挖掘提供了一种全新的解决思路,将数学领域内概念格方法进入了情报学领域进行研究,拓宽了研究思路,为情报学的相关研究起到了良好的促进作用。

论文目录

• 提要
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 相关研究综述
• 1.3 论文主要内容及创新点
• 1.3.1 论文的主要内容
• 1.3.2 论文的创新点
• 1.4 论文技术路线
• 第2章 相关理论基础
• 2.1 概念格理论基础
• 2.1.1 概念格相关概念
• 2.1.2 概念格的构造算法介绍
• 2.2 Web 文本聚类理论基础
• 2.2.1 Web 文本聚类相关概念
• 2.2.2 文本聚类方法
• 2.2.3 Web 文本聚类的一般处理过程
• 第3章 基于概念格的Web 文本聚类过程模型的构建
• 3.1 Web 文本预处理
• 3.2 文本特征的表示与提取
• 3.2.1 文本特征的表示
• 3.2.2 文本特征的提取
• 3.3 形式背景的构建
• 3.4 概念格的确定与表示
• 3.5 概念格Hasse 图的优化
• 3.6 聚类结果
• 3.7 基于概念格的Web 文本聚类过程模型
• 第4章 基于概念格的Web 文本聚类过程模型的应用
• 4.1 模型文本处理模块的应用
• 4.2 模型数据处理模块的应用
• 4.3 模型的优缺点分析
• 4.3.1 模型的优点
• 4.3.2 模型的缺点
• 第5章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢
• 摘要
• Abstract