论文研究 基于聚类算法的网络情报信息集成研究 .pdf

聚类算法是一种在机器学习领域广泛应用的方法，它通过将数据集分成不同的群组来发现数据的内在结构。本文通过对不同聚类算法的研究进行综述和分析，总结了各种聚类算法的原理、优缺点以及在各个领域中的应用情况。同

针对标题文本聚类中的聚类结果不稳定问题，提出一种基于聚类融合的标题文本聚类方法。该方法对标题文本的特征词进行筛选，将标题文本转化为特征词集合；提出基于统计和语义的相似度计算方法，计算特征词集合间的相似

以单词为网络节点，由自然语言描述中单词的同现频率确定单词间的相关度并作为边的权值，构建自然语言描述集合的加权单词网络模型。利用Newman快速算法对加权单词网络模型进行社团划分，得到单词聚类结果；根据

启发式聚类算法采用局部搜索策略发现使得目标函数取极小值的聚类结果，即局部最优聚类结果。算法虽然具有收敛速度快等优点，但是初始解敏感问题严重地影响了聚类结果的质量。利用多个局部最优聚类结果中的共有信息设

基于聚类的协同过滤算法的研究与改进，苏帅，赵方，推荐系统作为解决信息过载问题的重要手段被广泛应用。近年来,协同过滤推荐技术,因其简单易实现、数据依赖性低、推荐结果准确等优�

为了解决复杂信息网络中多链接高维数据聚类难以处理且效率较低问题，提出了一种新颖的基于高阶张量分析方法和模块化网络分析方法相结合的链接聚类算法（modularity-clustering-HOOI,MC

P2P网络中基于查询的聚类算法，马庆，李巍海，在基于DHT的P2P网络中，由于数据按标识通过一致性哈希散列随机分布，不利于复杂查询的进行。本文提出的QDC算法，利用历史查询向量集

研究了文本挖掘精确度问题。针对传统的聚类文本分类算法在文本分类中存在高维性和稀疏性，特别是同义词和近义词难以进行分类，使得分类的精确度低等问题，提出了一种聚类平均信息量文本分类算法。算法从信息论观点分

论文《基于DBSCAN 聚类算法的研究与实现》,和大家分享~

基于产品特征聚类的产品评论信息挖掘研究，聂金慧，苏红旗，产品评论中的产品特征及情感倾向是一种反映产品价值的重要信息，针对现有的中文产品评论信息挖掘存在的不足，提出了一种基于词汇