ارائه ی یک مدل آماری بزای خوشه بندی متون

در این پایان نامه سعی در ارائه ی یک مدل آماری برای خوشه بندی متون داشته ایم. هر خوشه به منزله ی جزئی از یک مدل ترکیبی در نظر گرفته می شود که شامل پارامترهای عدد اولویت جزء، بردار میانگین و ماتریس کواریانس جزء می باشد. هدف از ارائه ی یک مدل آماری، در نظر گرفتن پخشش های متفاوت برای مجموعه داده هایی که لزوماً پخشش آنها کروی نیست، می باشد. الگوریتمهای خوشه بندی مانند k-means و مشتقات آن که با یک پارامتر-که معمولاً مراکز خوشه هاست- کار می کنند، سعی دارند خوشه هایی با پخشش کروی را ایجاد کنند که این در مورد همه ی مجموعه داده های دنیای واقعی صدق نمی کند. هدف دیگر این پایان نامه، به مقدار دهی اولیه ی پارامترهای مدل بر می گردد. بسیاری از کارهای انجام شده در زمینه ی خوشه بندی بدون نظارت متون، ساخت چندین مدل مختلف با مقداردهی های اولیه ی تصادفی بوده است و نهایتاً مدل برتر را بر اساس یک معیار خاص انتخاب می کردند. از آنجائیکه مقداردهی تصادفی در همه ی اجراها نتایج قابل اعتماد و منظمی ارائه نمی دهد، ما با ارائه ی یک رویه ی چند مرحله ای و بدون کمک از هرگونه ناظر خارجی و با استفاده از الگوریتمهای سلسله مراتبی که پیچیدگی محاسباتی آن را با انتخاب یک مجموعه کوچک از نمونه های برتر و همچنین کاهش فضای ابعاد، کاهش دادیم موفق شدیم برای هر خوشه بهترین متون مربوطه را بیابیم و بوسیله ی آنها پارامترهای مذکور را مقداردهی کنیم. نتایج آزمایشگاهی و نمودارهای مقایسه ای به صورت کاملاً واضح نشان می دهند که روش های پیشنهاد شده در این پایان نامه از عملکرد بالاتری نسبت به روشهای ارائه شده ی مشابه داشته اند.