基于特征短語的網(wǎng)頁在線聚類方法.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，網(wǎng)絡(luò)為我們提供了多元化的海量信息，越來越多的人開始使用搜索引擎來獲取所需要的信息。然而，雖然搜索引擎發(fā)展迅速，但其效果遠(yuǎn)未達(dá)到令人滿意的程度，因為用戶不得不逐頁瀏覽檢索結(jié)果，效率非常低。面對搜索引擎返回的成百上千的結(jié)果，如何從中快速定位所需信息就成了一個特別棘手的問題。
　　通過對檢索結(jié)果進(jìn)行網(wǎng)頁在線聚類就可以解決這個問題，網(wǎng)頁聚類能幫助用戶快速準(zhǔn)確地定位信息,但對所使用的聚類算法的復(fù)雜度有嚴(yán)格限制，許多

2、傳統(tǒng)的聚類算法并不適合網(wǎng)頁在線聚類。
　　為此，本文提出了一種基于特征短語的快速網(wǎng)頁在線聚類算法，該方法利用后綴數(shù)組提取網(wǎng)頁特征短語，在此基礎(chǔ)上進(jìn)行快速聚類以及類別標(biāo)注，提供清晰、易于理解的類別內(nèi)容概括，并對聚類結(jié)果進(jìn)行了類間以及類內(nèi)排序。
　　本文的研究內(nèi)容主要包括以下幾個方面：
　　(1)設(shè)計并實(shí)現(xiàn)了一種基于特征短語的網(wǎng)頁在線聚類系統(tǒng)。本文采用基于重復(fù)串的文本特征提取方法來提取特征短語，特征短語具有相對完整的上下文

3、語義，能夠作為網(wǎng)頁內(nèi)容的特征來進(jìn)行聚類；
　　(2)根據(jù)特征短語快速確定基類，并對基類進(jìn)行類別合并以及類別排序，實(shí)現(xiàn)網(wǎng)頁的在線聚類；
　　(3)設(shè)計并實(shí)現(xiàn)聚類的緩存功能，提高了聚類系統(tǒng)的效率；
　　(4)通過與其它聚類算法的實(shí)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，并展望未來的研究方向。
　　最后，本系統(tǒng)已成功應(yīng)用在本實(shí)驗中心構(gòu)建的智能化Web信息檢索平臺Inar搜索引擎中。實(shí)驗結(jié)果表明，本文提出