基于web挖掘的聚類搜索引擎研究

1、摘要I摘要隨著互聯(lián)網(wǎng)的飛速發(fā)展，人們利用互聯(lián)網(wǎng)共享各種信息，使得網(wǎng)絡(luò)信息資源日趨豐富，搜索引擎正是為了解決這一問題而發(fā)展起來的，而現(xiàn)在的搜索引擎存在明顯的缺陷：一是搜索引擎結(jié)果數(shù)量龐大，二是搜索結(jié)果線性排列，本文在現(xiàn)有搜索引擎各種技術(shù)研究的基礎(chǔ)上，對Web文檔聚類進一步研究，致力于搜索結(jié)果的自動分類，從而使得用戶更加直觀高效地找到所需結(jié)果。數(shù)據(jù)挖掘(DataMining，DM)是指從大量不完全的、有噪聲的、模糊的、隨機的數(shù)據(jù)中，提取隱含

2、在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。發(fā)展自統(tǒng)計學(xué)的聚類分析作為數(shù)據(jù)挖掘的一項主要功能和任務(wù)，成為數(shù)據(jù)挖掘中的一個重要的研究領(lǐng)域，至今已提出了大量的理論和方法，取得了豐碩的研究成果。其表現(xiàn)形式為概念(Concepts)、規(guī)則(Rules)、模式(Patterns)等形式。數(shù)據(jù)挖掘的功能包括發(fā)現(xiàn)概念類描述、關(guān)聯(lián)規(guī)則、分類和預(yù)測、聚類、趨勢分析、偏差分析和類似性分析。如何從WEB包含的大量信息中發(fā)現(xiàn)固有的模式和關(guān)聯(lián)，

3、成了人們迫切希望解決的問題。將傳統(tǒng)的數(shù)據(jù)挖掘技術(shù)與Web結(jié)合起來，進行Web挖掘就是一個途徑。Web挖掘是傳統(tǒng)數(shù)據(jù)挖掘技術(shù)在Web環(huán)境下的應(yīng)用，試圖從大量的Web文檔集合和用戶瀏覽Web的數(shù)據(jù)信息中發(fā)現(xiàn)未知的，有潛在應(yīng)用價值的模式。因此，顯而易見進行基于Web挖掘的聚類引擎研究有著十分重要的意義。本論文的研究目的是在系統(tǒng)地回顧了互聯(lián)網(wǎng)信息檢索、數(shù)據(jù)挖掘、搜索引擎以及聚類技術(shù)的應(yīng)用研究現(xiàn)狀基礎(chǔ)上，將搜索引擎的搜索結(jié)果進行聚類處理，最后以結(jié)