1、本文針對日益嚴峻的“信息爆炸、數(shù)據泛濫、知識貧乏”的窘境,提出了一種基于OODA決策循環(huán)的主題發(fā)現(xiàn)。主題發(fā)現(xiàn)是從海量的數(shù)據中快速,有效的獲取有價值的信息,了解數(shù)據集內容的一系列技術方法的總稱。主題發(fā)現(xiàn)分為廣義和狹義之分,廣義的主題發(fā)現(xiàn)針對各種常見數(shù)據集(文本,圖像,音頻,視頻等),狹義的主題發(fā)現(xiàn)僅針對文本數(shù)據。我們通常所說的主題發(fā)現(xiàn)是狹義的主題發(fā)現(xiàn)。本文將類似人類思考模式的OODA引入,作為主題發(fā)現(xiàn)的框架,充分借鑒智能數(shù)據挖掘、文本挖掘

2、,數(shù)據融合,知識發(fā)現(xiàn)等技術方法和相關的思想,融合多個學科,多角度的對主題發(fā)現(xiàn)進行研究和分析?；贠ODA的主題發(fā)現(xiàn)可以使人們能夠從大量繁雜的信息中快速有效的提取主題,獲取必要的知識,供人們分析決策。其相關的技術、方法、模型和思路可以應用到信息檢索,文本分類和聚類,輿情監(jiān)控,文獻檢索,主動信息推送等應用領域。
　　 目前,主題發(fā)現(xiàn)缺乏通用完善的主題發(fā)現(xiàn)框架;主題發(fā)現(xiàn)中模式的識別,特征項的提取,相似度的計算等模塊都需要研究加強改進的

3、算法,提高性能;主題發(fā)現(xiàn)中領域的適應性不夠,缺乏專門領域的主題發(fā)現(xiàn),以適應不同的用戶和環(huán)境需求;主題發(fā)現(xiàn)的過程和結果缺乏可視化的展示以及與用戶的交互,需要尋找或研究將可視化的發(fā)現(xiàn)過程與結果直觀展示,便于用戶理解,評價,交互,改進的方法和工具。
　　 本文除了將OODA作為主題發(fā)現(xiàn)的技術框架加以研究探索外,還改進了TF*IDF算法計算特征項的權重和去除停用詞;利用關聯(lián)規(guī)則挖掘解決復合詞的識別問題;利用關聯(lián)規(guī)則與改進的TF*IDF算

4、法相結合構建領域詞庫,增強領域適應性,加快主題詞提取的效率和準確度。對詞語,句子,文本等進行基于關鍵詞的關聯(lián)規(guī)則挖掘的關聯(lián)分析,相似度計算,并將關聯(lián)分析和改進的K-means算法進行主題聚類研究;利用可視化的開發(fā)工具NetBeans,驗證實現(xiàn)主題發(fā)現(xiàn)的相關技術方法,將該主題發(fā)現(xiàn)的過程加以可視化的展示,便于進行直觀的理解、分析,便于與用戶交互,從而更好的調試改進。使用某大學長年積累的BBS數(shù)據對基于OODA的主題發(fā)現(xiàn)框架加以驗證,發(fā)現(xiàn)論壇