基于最大頻繁項集的搜索引擎查詢結(jié)果聚類方法.pdf_第1頁
已閱讀1頁,還剩68頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、隨著網(wǎng)絡信息的爆炸式增長,如何幫助用戶快速準確地定位所需信息就成了一個十分緊要的問題。通過對搜索引擎查詢結(jié)果進行在線聚類可以解決這個問題。然而由于查詢結(jié)果在線聚類所具有實時性,標簽可讀性等特點,傳統(tǒng)的聚類算法無法滿足應用要求;另一方面當前大部分研究基于網(wǎng)頁摘要聚類,聚類精度有待提高,因此本文在實驗室通用搜索引擎平臺上研究并設計了一種有效地基于網(wǎng)頁全文的聚類算法。
  本文通過對頻繁項集及其在聚類算法中應用的研究,提出了一種基于最大

2、頻繁項集的搜索引擎查詢結(jié)果在線聚類算法(Maximal Frequent Itemsets Clustering,MFIC)。MFIC通過采用動態(tài)最小支持度和只挖掘最大頻繁項集,突破了頻繁項集在在線聚類方面應用的瓶頸,圍繞頻繁項集完成網(wǎng)頁聚類,相似度計算,標簽生成等工作。本文的研究內(nèi)容主要包括以下幾個方面:
  (1)結(jié)合查詢結(jié)果聚類的應用需要,進行網(wǎng)頁預處理,采用動態(tài)設定頻繁項集挖掘中的最小支持度,挖掘最大頻繁項集,提高了頻繁項

3、集可用性;
  (2)設計并實現(xiàn)了基于最大頻繁項集的網(wǎng)頁在線聚類系統(tǒng),依據(jù)頻繁項集覆蓋網(wǎng)頁集合的關系,頻繁項集包含詞集合關系進行相似度計算,簇的生成,合并等過程;
  (3)設計標簽的提取算法,結(jié)合頻繁項集和詞語順序出現(xiàn)關系挖掘短語性標簽,改進了基于頻繁項集聚類的標簽生成效果;
  (4)通過與其它聚類算法的實驗對比,驗證了本文提出的聚類方法在網(wǎng)頁聚類方面的優(yōu)越性。
  本系統(tǒng)已成功應用在本實驗中心構(gòu)建的智能化網(wǎng)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論