云模型與文本挖掘

目　錄
第1章　緒論　1
1.1　文本挖掘的產(chǎn)生背景　1
1.2　文本挖掘的重要意義　2
1.2.1　推進(jìn)信息化建設(shè)　2
1.2.2　提高信息利用效率　2
1.2.3　提高人工智能水平　3
1.2.4　保障決策支撐　3
1.3　不確定性人工智能及其研究方法　4
1.3.1　不確定性人工智能概述　4
1.3.2　不確定性人工智能的主要研究內(nèi)容　5
1.3.3　不確定性人工智能的主要研究方法　10
第2章　文本挖掘及其關(guān)鍵問題　16
2.1　引言　16
2.2　文本挖掘　16
2.2.1　文本挖掘定義　16
2.2.2　文本挖掘流程　18
2.3　文本挖掘研究基礎(chǔ)　19
2.3.1　國內(nèi)外研究現(xiàn)狀　19
2.3.2　面臨的問題　21
2.4　文本挖掘的關(guān)鍵問題　22
2.4.1　文本表示及特征提取　22
2.4.2　文本特征權(quán)重計(jì)算方法　23
2.4.3　文本分類系統(tǒng)概述及應(yīng)用　26
2.4.4　文本聚類系統(tǒng)概述及應(yīng)用　28
2.5　文本挖掘面臨的機(jī)遇及挑戰(zhàn)　30
2.6　本章小結(jié)　31
第3章　云模型及其在文本挖掘中的理論擴(kuò)充　32
3.1　引言　32
3.2　知識的不確定性　33
3.2.1　知識的隨機(jī)性　33
3.2.2　知識的模糊性　34
3.2.3　隨機(jī)性與模糊性之間的內(nèi)在聯(lián)系　35
3.2.4　自然語言的不確定性　36
3.3　云模型　37
3.3.1　自然語言　37
3.3.2　自然語言中的概念與知識表示　38
3.3.3　概念中隨機(jī)性與模糊性的關(guān)聯(lián)性　40
3.3.4　云模型　41
3.3.5　云模型數(shù)字特征　43
3.3.6　云規(guī)則發(fā)生器　44
3.3.7　正態(tài)云及其普適性　47
3.3.8　云模型常用算法　49
3.3.9　云模型主要應(yīng)用　50
3.4　基于云模型的概念層次劃分　57
3.4.1　概念層次　57
3.4.2　概念層次的自動生成　58
3.4.3　云變換　59
3.5　基于VSM模型的文本知識表示　61
3.5.1　基于VSM模型的文本表示　61
3.5.2　基于信息表的文本知識表示　62
3.5.3　基于云模型的文本信息表轉(zhuǎn)換　63
3.6　基于云相似度的文本相似度量　63
3.6.1　文本挖掘中的相似度量　63
3.6.2　云相似度及文本云相似度量　64
3.7　本章小結(jié)　65
第4章　云模型與粒計(jì)算　66
4.1　引言　66
4.2　粒計(jì)算及粒度原理　67
4.2.1　粒計(jì)算概述　67
4.2.2　粒計(jì)算基本問題及主要理論方法　68
4.2.3　粒計(jì)算研究進(jìn)展　69
4.2.4　粒計(jì)算面臨的挑戰(zhàn)　70
4.3　基于云模型的快速信息?；?3
4.3.1　從粒計(jì)算角度看知識的不確定性　73
4.3.2　云模型下的概念粒子　74
4.3.3　基于云模型的信息?；惴ā?5
4.4　應(yīng)用分析與討論　77
4.5　本章小結(jié)　77
第5章　基于云模型的文本特征自動提取　78
5.1　引言　78
5.2　文本特征降維　79
5.2.1　文本特征矩陣降維　79
5.2.2　文本特征選擇　81
5.2.3　常用特征選擇方法　81
5.3　基于云模型的文本特征自動提取算法　86
5.3.1　基于統(tǒng)計(jì)量的文本特征分布矩陣　87
5.3.2　算法描述　87
5.3.3　實(shí)驗(yàn)及分析　90
5.4　本章小結(jié)　93
第6章　 基于云概念躍升的文本分類　94
6.1　引言　94
6.2　文本分類概述　94
6.2.1　文本分類產(chǎn)生背景　94
6.2.2　中文文本分類　96
6.2.3　中英文本分類的異同　96
6.3　文本分類常用方法　97
6.3.1　常用文本分類方法　98
6.3.2　性能分析　106
6.4　文本分類模型的評估　108
6.4.1　采樣方法　108
6.4.2　評估指標(biāo)　109
6.5　基于云概念躍升的文本分類　110
6.5.1　虛擬泛概念樹及概念躍升　110
6.5.2　算法描述　112
6.5.3　實(shí)驗(yàn)及分析　113
6.6　本章小結(jié)　115
第7章　 基于主觀信任云的文本分類　116
7.1　引言　116
7.2　主觀信任云及信任決策　117
7.2.1　信任模型　117
7.2.2　主觀信任云　119
7.2.3　基于主觀信任云的信任決策　121
7.3　基于主觀信任云的文本分類　122
7.3.1　算法描述　122
7.3.2　實(shí)驗(yàn)及分析　124
7.4　本章小結(jié)　127
第8章　基于云相似度量的無監(jiān)督文本聚類　128
8.1　引言　128
8.2　文本聚類概述　128
8.2.1　聚類分析定義　128
8.2.2　數(shù)據(jù)挖掘應(yīng)用對聚類分析的要求　130
8.2.3　距離與相似系數(shù)　131
8.2.4　聚類的特征與類間距離　133
8.3　聚類分析的數(shù)據(jù)類型　135
8.3.1　區(qū)間標(biāo)度變量　135
8.3.2　二元變量　136
8.3.3　標(biāo)稱型、序數(shù)型和比例標(biāo)度型變量　137
8.3.4　混合類型變量　139
8.4　文本聚類常用方法　140
8.4.1　常用文本聚類方法　140
8.4.2　算法性能比較　148
8.5　文本聚類性能評價指標(biāo)　148
8.6　基于云相似度量的無監(jiān)督文本聚類　149
8.6.1　算法提出背景　149
8.6.2　算法描述　150
8.6.3　實(shí)驗(yàn)及分析　152
8.7　本章小結(jié)　153
第9章　結(jié)束語　154
參考文獻(xiàn)　156