文檔聚類(lèi)在搜索引擎結(jié)果中應(yīng)用的研究.pdf

1、隨著的Intemet飛速發(fā)展，人們利用Intemet發(fā)展和共享各種信息，使得信息爆炸式增長(zhǎng)，普通網(wǎng)絡(luò)用戶(hù)查找所需資料變得非常困難，搜索引擎正是為了解決這一問(wèn)題而發(fā)展起來(lái)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(xiàn)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(duì)文檔聚類(lèi)進(jìn)一步研究，致力于搜索結(jié)果的自動(dòng)分類(lèi)，從而使得用戶(hù)更加直觀(guān)高效地找到所需結(jié)果。 本文先介紹了搜索引擎的概念和原理，文檔聚類(lèi)的相關(guān)原

2、理，設(shè)計(jì)了基于 Google WebAPI的解決方案，將搜索引擎返回的結(jié)果進(jìn)行聚類(lèi)處理，最后以結(jié)構(gòu)化的方式顯示給最終用戶(hù)。 本文的主要研究成果包括： (1)對(duì)suffix聚類(lèi)算法進(jìn)行了研究，引入了PAT-tree數(shù)據(jù)結(jié)構(gòu)，彌補(bǔ)了suffix聚類(lèi)算法處理中文信息的不足，顯著提高了文檔聚類(lèi)的性能。 (2)將文本聚類(lèi)與現(xiàn)代搜索引擎技術(shù)結(jié)合起來(lái)，設(shè)計(jì)了一種新的搜索引擎體系結(jié)構(gòu)，解決了當(dāng)前搜索引擎存在的一些缺陷。