于主題的Web文檔聚類研究

頁數(shù) 6 字數(shù) 5599

摘要：網(wǎng)絡資源的不斷膨脹和新舊信息的迅速更迭，使傳統(tǒng)的手工分檢的方法難以適應對海量電子數(shù)據(jù)的管理需要。Web文檔聚類可以快速地將文檔進行自動歸類，并能夠發(fā)現(xiàn)新的信息資源。針對Web文檔數(shù)據(jù)的復雜性，本文提出了通過二次特征提取和聚類的方法，將Web文檔按照主題進行自動聚類。在主題特征被有效提取的同時，實現(xiàn)了較高質量的Web文檔聚類。

關鍵詞：Web文檔聚類,OPTICS算法,特征提取,K近鄰準則,二次特征提取和聚類的方法

參考文獻：
[1]M.Ester, H.-P.Kriegel, J.Sander, and X.Xu. “A density-based algorithm for discovering clusters in large spatial databases.” In Proc. 1996 Int. Conf.Knowledge Discovery and Data Mining(KDD’96),1996.
[2]M.Ankerst, M.Breunig, H.-P. Kriegel, and J.Sander. “OPTICS:Ordering points to identify the clustering structure.” In Proc.1999 ACM-SIGMOD Int. Conf. Management of the Data(SIGMOD’99),1999
[3]邊肇祺，張學工等?！赌Ｊ阶R別》，北京，清華大學出版社，2000
[4]Jiawei Han, Micheline Kamber著, 范明, 孟曉峰等譯, 《數(shù)據(jù)挖掘——概念與技術》, 機械工業(yè)出版社, 2001
[5]Yang, Y., Pedersen, J.O. “A Comparative Study on Feature Selection in Text Categorization.” Proc. of the 14th International Conference on Machine Learning ICML97