郝秀慧，方贤进，杨高明

(安徽理工大学计算机科学与工程学院，安徽 淮南 232001)

随着互联网技术的高速发展和数据采集、存储技术的日益进步，人们可以很方便地在网上查找各类信息来满足个人的知识需求。面对大量的数据，人们总是希望能从快速地从这些数据中获取有价值的信息，由此产生了数据挖掘技术。一般而言，数据挖掘可由数据是否含有类别标签分为两种：第一种是有监督的数据挖掘，主要是利用数据建立对一个特定属性进行描述的模型，包括分类，预测等任务；另外一种是无监督的数据挖掘，主要是在数据属性间寻找某种关系，包括关联规则和聚类任务。本文是属于无监督的数据挖掘。在事先不知道数据类别的情况下，对校园综合新闻进行聚类。聚类属于数据挖掘的一个很重要的方向，而对文本进行挖掘，从中提取有价值的信息需要对文本进行处理，即文本聚类也属于自然语言处理的范畴。

数据挖掘技术应用广泛，可应用在医疗、电子商务、金融、交通、教育等领域。文献[7]将数据挖掘应用到电子病历文本上，文献[8]将数据挖掘应用在基于网页导航日志的电子商务系统用户偏好相似度挖掘上，文献[9]将数据挖掘技术应用到财务风险分析中，文献[10]将数据挖掘应用在交通事故严重程度的风险分析上，文献[11]将数据挖掘技术应用在智慧教育上。同时，聚类算法也在其他领域有广泛的应用。如将聚类算法应用在图像分类上，以及将聚类算法应用在彩色图像分割中等。……