خوشه بندی مستندات متنی به روش فازی عصبی HSOM

امروزه، استفاده از الگوریتمهای خوشه بندی در گروهبندی مستندات متنی از جایگاه بالایی، خصوصا در سیستمهای بازیابی اطلاعات برخوردار است . با استفاده از این الگوریتمها مستندات بازیابی شده، گروهبندی می شوند تا مستندات مشابه، در یک خوشه قرار گیرند . از میان روشهای مختلف خوشهبندی ، مدل عصبی SOM برای دادههای با حجم بالا و مدل فازی 1 KHM برای دادههای خارج از محدوده عملکرد بهتری دارد . در این پژوهش، با تلفیق دو روش KHM و SOM ، الگوریتم نگاشت خودسازمانده هارمونیک HSOM پیشنهاد شده است . نتایج آزمایشات خوشهبندی مستندات بازیابی شده توسط سیستم SMART برای مجموعه OHSUMED ، براساس دو روش SOM وHSOMنشان میدهند که HSOM برخلاف SOM ، به مقداردهی اولیه حساسیت ندارد و همانند KHM دادههای خارج از محدوده تاثیری بر نتیجه خوشهبندی نمیگذارند

کلیدواژه ها:

HSOM ، K-Harmonic Means ، SOM ، Document Clustering