SOM聚类算法在文本分类上的应用
TP391; 随着网络信息指教级的增长,如何高效地组织海量的文本信息成为众多终端信息查询的基本要求.本文利用神经网络妁联想记忆原理,提出一种改进自组织映射(SOM)神经网络聚类算法来对这些信息进行索引和分类.改进SOM聚类算法通过文本的预处理和词汇权值的计算,SOM网络的训练过程以及多次聚类来细化各文本类别,最终产生概念空间.试验结果表明该算法对文本有很好的分类管理功能,便于文本检索....
Gespeichert in:
| Veröffentlicht in: | 现代情报 2007, Vol.27 (9), p.162-164 |
|---|---|
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 164 |
|---|---|
| container_issue | 9 |
| container_start_page | 162 |
| container_title | 现代情报 |
| container_volume | 27 |
| creator | 丁露 崔平 |
| description | TP391; 随着网络信息指教级的增长,如何高效地组织海量的文本信息成为众多终端信息查询的基本要求.本文利用神经网络妁联想记忆原理,提出一种改进自组织映射(SOM)神经网络聚类算法来对这些信息进行索引和分类.改进SOM聚类算法通过文本的预处理和词汇权值的计算,SOM网络的训练过程以及多次聚类来细化各文本类别,最终产生概念空间.试验结果表明该算法对文本有很好的分类管理功能,便于文本检索. |
| doi_str_mv | 10.3969/j.issn.1008-0821.2007.09.057 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_xdqb200709057</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>xdqb200709057</wanfj_id><sourcerecordid>xdqb200709057</sourcerecordid><originalsourceid>FETCH-wanfang_journals_xdqb2007090573</originalsourceid><addsrcrecordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDCw0DWwMDLUMzIwMNczsNQzMDVnYeCEi3Mw8BYXZyYZGJiZmlmYWRpxMmgF-_u-aJz1fOPu5-umP9s89emcFc-mtT-bs-ZpRxtQ8MmOruezWp7umvJ8ygoeBta0xJziVF4ozc2g6uYa4uyhW56Yl5aYlx6flV9alAeUia9IKUwCucDAEmi_MbHqAAxxR_4</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>SOM聚类算法在文本分类上的应用</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>丁露 ; 崔平</creator><creatorcontrib>丁露 ; 崔平</creatorcontrib><description>TP391; 随着网络信息指教级的增长,如何高效地组织海量的文本信息成为众多终端信息查询的基本要求.本文利用神经网络妁联想记忆原理,提出一种改进自组织映射(SOM)神经网络聚类算法来对这些信息进行索引和分类.改进SOM聚类算法通过文本的预处理和词汇权值的计算,SOM网络的训练过程以及多次聚类来细化各文本类别,最终产生概念空间.试验结果表明该算法对文本有很好的分类管理功能,便于文本检索.</description><identifier>ISSN: 1008-0821</identifier><identifier>DOI: 10.3969/j.issn.1008-0821.2007.09.057</identifier><language>chi</language><publisher>北京理工大学信息科学技术学院,北京,100081</publisher><ispartof>现代情报, 2007, Vol.27 (9), p.162-164</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/xdqb/xdqb.jpg</thumbnail><link.rule.ids>314,780,784,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>丁露</creatorcontrib><creatorcontrib>崔平</creatorcontrib><title>SOM聚类算法在文本分类上的应用</title><title>现代情报</title><description>TP391; 随着网络信息指教级的增长,如何高效地组织海量的文本信息成为众多终端信息查询的基本要求.本文利用神经网络妁联想记忆原理,提出一种改进自组织映射(SOM)神经网络聚类算法来对这些信息进行索引和分类.改进SOM聚类算法通过文本的预处理和词汇权值的计算,SOM网络的训练过程以及多次聚类来细化各文本类别,最终产生概念空间.试验结果表明该算法对文本有很好的分类管理功能,便于文本检索.</description><issn>1008-0821</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2007</creationdate><recordtype>article</recordtype><recordid>eNpjYFAxNNAztjSz1M_SyywuztMzNDCw0DWwMDLUMzIwMNczsNQzMDVnYeCEi3Mw8BYXZyYZGJiZmlmYWRpxMmgF-_u-aJz1fOPu5-umP9s89emcFc-mtT-bs-ZpRxtQ8MmOruezWp7umvJ8ygoeBta0xJziVF4ozc2g6uYa4uyhW56Yl5aYlx6flV9alAeUia9IKUwCucDAEmi_MbHqAAxxR_4</recordid><startdate>2007</startdate><enddate>2007</enddate><creator>丁露</creator><creator>崔平</creator><general>北京理工大学信息科学技术学院,北京,100081</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2007</creationdate><title>SOM聚类算法在文本分类上的应用</title><author>丁露 ; 崔平</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_xdqb2007090573</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2007</creationdate><toplevel>online_resources</toplevel><creatorcontrib>丁露</creatorcontrib><creatorcontrib>崔平</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>现代情报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>丁露</au><au>崔平</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>SOM聚类算法在文本分类上的应用</atitle><jtitle>现代情报</jtitle><date>2007</date><risdate>2007</risdate><volume>27</volume><issue>9</issue><spage>162</spage><epage>164</epage><pages>162-164</pages><issn>1008-0821</issn><abstract>TP391; 随着网络信息指教级的增长,如何高效地组织海量的文本信息成为众多终端信息查询的基本要求.本文利用神经网络妁联想记忆原理,提出一种改进自组织映射(SOM)神经网络聚类算法来对这些信息进行索引和分类.改进SOM聚类算法通过文本的预处理和词汇权值的计算,SOM网络的训练过程以及多次聚类来细化各文本类别,最终产生概念空间.试验结果表明该算法对文本有很好的分类管理功能,便于文本检索.</abstract><pub>北京理工大学信息科学技术学院,北京,100081</pub><doi>10.3969/j.issn.1008-0821.2007.09.057</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1008-0821 |
| ispartof | 现代情报, 2007, Vol.27 (9), p.162-164 |
| issn | 1008-0821 |
| language | chi |
| recordid | cdi_wanfang_journals_xdqb200709057 |
| source | 国家哲学社会科学学术期刊数据库 (National Social Sciences Database) |
| title | SOM聚类算法在文本分类上的应用 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-23T17%3A44%3A21IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=SOM%E8%81%9A%E7%B1%BB%E7%AE%97%E6%B3%95%E5%9C%A8%E6%96%87%E6%9C%AC%E5%88%86%E7%B1%BB%E4%B8%8A%E7%9A%84%E5%BA%94%E7%94%A8&rft.jtitle=%E7%8E%B0%E4%BB%A3%E6%83%85%E6%8A%A5&rft.au=%E4%B8%81%E9%9C%B2&rft.date=2007&rft.volume=27&rft.issue=9&rft.spage=162&rft.epage=164&rft.pages=162-164&rft.issn=1008-0821&rft_id=info:doi/10.3969/j.issn.1008-0821.2007.09.057&rft_dat=%3Cwanfang_jour%3Exdqb200709057%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=xdqb200709057&rfr_iscdi=true |