Ўзбекистон республикаси ахборот технологиялари ва коммуникацияларини ривожлантириш вазирлиги муҳаммад ал-хоразмий номидаги

МАТНЛИ МАЪЛУМОТЛАРНИ КЛАСТЕРИЗАЦИЯ МАСАЛАСИНИ ЕЧИШГА 
ЁНДАШУВЛАР 
 
О.Ж .Бабомурадов, Ю.Ш.Юлдошев 
( ЎзДЖТУ, Ахборот технологиялари кафедраси) 
 
Охирги йилларда WWW нинг тезлик билан ривожланиш муносабати билан 
фойдаланувчиларга исталган маълумотларини аниқлик билан топишларига ёрдам бериш 
учун кўпгина илмий-изланиш ишлари олиб борилмоқда. 
Бизга маълумки, маълумотларнинг кўпгина қисми Webда матн кўринишида HTML 
форматида учрайди. Шунинг учун Webдаги маълумотларни қайта ишлаш учун text mining 
медодидан фойдаланишга тўғри келади. Билимларни ошириш учун матнли 
маълумотлардан фойдаланиш усули text mining дейилади. 

---

405 
Матнли маълумотларни кластеризациялашда турли усул ва алгоритмлар 
қўланилади: дарахт алгоритми, статистик алгоритм, нейронли тармоқ, генетик алгоритм, 
мантиқий дастурлаш индукцияси ва тизимнинг қоидалари асосида. Шуни айтиш лозимки, 
бу усул ва алгоритмлар ҳар хил маълумотлар базаси (Data Base), ахборотларни қидириш 
(Information Retrieval) ва сунъий интелект (Artificial Intelligence), машинали ўқитиш 
(Machine Learning) ва ягона тил асосида маълумотларни қайта ишлаш илмий ишларини 
тадқиқ қилиш натижасида вужудга келган.
Ушбу ишда матнли маълумотларни кластеризациялашда бир вақтнинг ўзида 
синфларнинг минимал диаметри ва синфлар ўртасидаги масофанинг максимуми кўриб 
чиқилган. Танланган йўл бутун сонли дастурлаш масаласи жумласига киради. 
Кластеризация масаласининг математик қуйилиши ихтиёрий кластеризациянинг 
усуллари, турлилиги ва таълуқлиги соҳасига қарамасдан тўрт босқичдандан иборат 
бўлади. 
1. Маълумотлар моделининг кўриниши; 
2. Ўхшашлик ўлчовини танлаш; 
3. Кластеризация моделини қуриш; 
4. Синфларни қуришда маълумотлар модели ва уларнинг ўхшашлик ўлчовдан 
фоидаланиб кластеризация алгоритми. 
Қўйидаги маълумотлар тўплами берилган бўлсин
1
2
(
,
,...,
)
n
D
D D
D

. 
Ягона синфда берилган маълумотлар бошқа-бошқа синфларда жойлашган 
маълумотлардан ўхшашлик даражаси яқин бўлиши учун, бу тўпламнинг кесишмайдиган 
k-кластер синфи 
1
2
(
,
,...,
)
k
С
С С
С

кўринишда бўлади. 
У ҳолда 
q
C  
учун q=1,…,k 
q
p
C
C
учун q=1,…,k,  p=1,…,n , q
p
 ва
1
k
q
q
C
D


. 
Бошқа 
соҳа 
иловаларидан 
фарқли 
равишда 
матнли 
маълумотларни 
кластеризациялашда сўровларни беришда маълумотлар кўриниши моделини тузиш учун 
махсус меҳнат талаб қилинмайди. Матнли маълумотларни кластеризациялашда 
маълумотлар TF*IDF модели ёрдамида ечилади. 
i
D
ҳужжат TF*IDF моделида қўйидаги 
вектор кўринишида берилган бўлади 
1
2
(
,
,...
)
i
i
i
im
D
w
w
w

. Бу ерда барча сўзлар 
i
j
D

ва
1
2
log
,
i
ji
j
n
w
f
n









i=1,…,n;  j=1,…,m тенг, формулада 
j
n
-матнлар сони, j матндаги мафжуд сўзлар m –матндаги сўзлар сони,