在當前文本挖掘領域中,傳統的數據挖掘方法依然佔據著主導地位。然而隨著文本挖掘研究的深入,面臨著越來越嚴峻的挑戰。這些挑戰歸根到底是由于自然語言的不確定性造成的。
借助不確定性知識研究的重要工具——雲模型在定性概念與定量數據間的轉換作用,作者將其引入到文本挖掘關鍵問題研究中,力圖降低自然語言中的不確定性知識對文本挖掘性能的影響。
在充分利用現有技術的基礎上,作者進行了一些大膽的嘗試,努力探索出適用于文本挖掘的不確定性人工智能處理方法,用以拋磚引玉,為文本挖掘技術的進一步發展提供一種新的思路與解決方法。
第1章 緒論
第2章 文本挖掘及其關鍵問題
第3章 雲模型及其在文本挖掘中的理論擴充
第4章 雲模型與粒計算
第5章 基于雲模型的文本特征自動提取
第6章 基于雲概念躍升的文本分類
第7章 基于主觀信任雲的文本分類
第8章 基于雲相似度量的無監督文本聚類
第9章 結束語
參考文獻