论文研究 基于改进的聚类平均信息量文本数据挖掘算法研究.pdf

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析文本空间向量，将文本看做一个信息源，通过求得该信息源的各个特征的次数来积累文本信息量，以领域特征明显的词和短语作为聚类对象，然后采用层次平均信息量进行特征提取。仿真实验结果表明，提出的算法能够有效地提取文本信息，提高了文本分类的精度，具有一定的实际应用价值。