基于遗传算法的文本分类及聚类研究

本书作者围绕文本分类和聚类研究，针对一些具体问题，提出了一系列科学可行的解决方案。如基于并行遗传算法的特征词动态提取方法，能够降低文本对象的特征维数；采用并行遗传算法对文本分类和聚类问题中的参数进行优化，从而提高文本分类和聚类结果的精确度。 本书除了阐述作者自己的研究成果外，作者还结合自己的实际经验，对文本自动分类技术、文本自动聚类技术、遗传算法的相关技术都作了较详细的描述，对于准备从事相关研究的人士有很大的参考价值。  

文本分类和聚类技术是应信息检索和查询需要而出现的自然语言处理领域的重要研究课题。文本分类和聚类问题中的特征选择和抽取技术、文本特征表示、聚类方法的选择和实现以及分类方法的选择和实现，都将对文本分类和聚类结果产生极大影响。针对文本分类和聚类中的文本数据的高维性和稀疏性、同义词和近义词问题、效率与精确度之间的搭配问题以及参数优化问题，本书提出了使用遗传算法与传统分类和聚类方法相结合的思路来进行处理，充分利用了遗传算法的全局优化能力和传统分类及聚类算法的专业知识，有效地提高了文本分类和聚类的效率与精度。
本书可作为自然语言处理专业和相关专业人员自学参考书。

第1章 绪论
让Internet更好地为人类服务，一直是人们努力的方向。通过不懈努力，人们逐渐掌握了多种技术对不断膨胀的信息进行收集和整理。各种海量信息的复杂性和非结构性，对信息的处理带来了极大的挑战。本书为了解决信息处理中的一些相关问题而进行了深入研究，提出了一些切实有效的措施，为海量信息的处理提供了极大帮助。
……