文本挖掘技術(shù)在短信文本中的應(yīng)用研究.pdf

1、在互聯(lián)網(wǎng)飛速發(fā)展、電子商務(wù)技術(shù)日趨成熟的今天，隨著移動終端——手機(jī)的日益普及，手機(jī)短信作為無線數(shù)據(jù)通訊的一個基本業(yè)務(wù)，為人們相互間交流提供了新的手段，并且受到了手機(jī)用戶的青睞。作為一種新型的廣告宣傳的方式，手機(jī)短信有很大的潛力和前景，然而在實際運(yùn)營中仍有不可回避的問題：垃圾短信。從目前的市場情況來看，手機(jī)短信廣告最需要面對的就是如何解決擾民問題。這就需要廣告發(fā)布者采取有效的方法以獲得廣告受眾的相關(guān)信息，從而定向投放具有針對性、應(yīng)變性的短

2、信廣告。 為實現(xiàn)這一目的，我們可以運(yùn)用文本挖掘技術(shù)，從海量的電信業(yè)務(wù)數(shù)據(jù)進(jìn)行分析，在此基礎(chǔ)上有針對性地投放短信廣告，從而形成廣告投放者、廣告受眾、電信運(yùn)營商三贏的局面。本文將文本挖掘方法應(yīng)用于電信業(yè)務(wù)數(shù)據(jù)模型上，應(yīng)用數(shù)據(jù)約簡技術(shù)以解決數(shù)據(jù)量大的問題，應(yīng)用數(shù)據(jù)除噪技術(shù)以解決數(shù)據(jù)含噪聲的問題，綜合運(yùn)用多種模式識別技術(shù)以從電信業(yè)務(wù)數(shù)據(jù)中分析出用戶的興趣點(diǎn)所在、實現(xiàn)短信廣告定向投放功能，這些都是本研究的重點(diǎn)，也是本研究的創(chuàng)新之處本文的主

3、要工作包括：(1)提出了一種針對短信文本的聚類方法，具有高準(zhǔn)確度和高效率的特點(diǎn)。(2)提出了一種預(yù)加窗的中文文本校對技術(shù)，用于文本規(guī)范和校對，同時該算法具有較小的計算復(fù)雜度。(3)提出了一種自適應(yīng)的重復(fù)特征選擇技術(shù)，該方法能夠最終得到最優(yōu)的低維特征空間，同時也有效的解決了訓(xùn)練集含有噪聲訓(xùn)練元素情況下的最優(yōu)特征提取問題。(4)提出了一種基于關(guān)鍵詞表的特征權(quán)重調(diào)整技術(shù)，進(jìn)一步地突出了短信中的關(guān)鍵詞成分，提高了關(guān)鍵點(diǎn)的識別率。 試驗表