17、基于最小生成树的文本数据挖掘探索

基于最小生成树的文本数据挖掘探索

在文本数据挖掘领域，利用最小生成树（MST）进行自动化意外发现提取和聚类分析是一种创新的方法。接下来，我们将深入探讨这一方法在不同数据集上的应用及成果。

1. 不同数据集的特点与挑战

在对不同数据集进行分析时，我们发现它们具有各自独特的特点和挑战。

• ONR ILIR 数据集 ：该数据集的文章长度相较于 Science News 数据集更短，且文章集合更为正交。Science News 数据集中来自同一学科类型的文章数量更多，这可能与 ONR ILIR 数据集本身的性质以及文章数量较少有关。
• Science News 数据集 ：文章相对较长，同一学科类型的文章占比较大，为分析提供了丰富的同一领域数据，但也增加了挖掘不同领域关联的难度。

2. ONR ILIR 数据集的自动化意外发现提取

在对 ONR ILIR 数据集进行分析时，我们使用了自动化意外发现提取工具，发现了许多有价值的信息。

2.1 跨类别文章关联

• 计算流体动力学关联 ：来自“Air Platform and Systems”和“Sea Platform and Systems”类别的两篇文章，虽 BPM 共性列表较短，但包含如“(navier, stokes)”、“(high, reynolds)”等有意义的关联。这两个项目在不同实验室（NSWCDD 和 NAVSTO）、不同年份（FY01 和 FY99/00）执行，研究人