1、隨著信息處理技術(shù)的快速發(fā)展，文本聚類作為一種高智能的文本信息處理方式越來(lái)越引起人們的注意。特征提取是文本聚類中的關(guān)鍵一環(huán)，只有選擇出好的特征才能較好地反映文本的類別屬性，提高聚類效果。本文在參考前人工作的基礎(chǔ)上針對(duì)中文文本聚類的特征提取進(jìn)行了系統(tǒng)的研究，并對(duì)詞頻特征提取方法進(jìn)行了改進(jìn)，同時(shí)發(fā)現(xiàn)了中文文本特征在詞性方面的一些規(guī)律，具體工作如下： 首先，在分析各種特征選擇算法的基礎(chǔ)上，本文對(duì)特征選擇的詞頻方法進(jìn)行了改進(jìn)，既保證了文本

2、向量的有效非零表示，又使得特征選擇算法減少了對(duì)停用詞表的依賴，減少了特征空間的維數(shù)，提高了聚類準(zhǔn)確度。 其次，本文對(duì)中文文本特征在詞性上的潛在性質(zhì)進(jìn)行了深入的研究，發(fā)現(xiàn)了中文名詞特征的顯著重要性，分析了產(chǎn)生這種情況的原因，并通過(guò)試驗(yàn)驗(yàn)證了這一結(jié)果。 中文名詞特征的顯著重要性可以應(yīng)用在特征提取階段，進(jìn)行特征提取時(shí)優(yōu)先甚至只選擇名詞特征；或者可以在聚類操作時(shí)，如運(yùn)用k-means算法進(jìn)行聚類操作時(shí)，增加名詞特征的權(quán)重，提高聚