版權(quán)說(shuō)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(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著大數(shù)據(jù)時(shí)代的到來(lái),用戶對(duì)信息搜索的精確度和效率提出了更高要求,而傳統(tǒng)的搜索引擎存在著一定的不足。聚類(lèi)檢索是對(duì)搜索引擎的返回結(jié)果聚類(lèi),然后將提取的標(biāo)簽和類(lèi)簇呈現(xiàn)給用戶。用戶根據(jù)標(biāo)簽就可以直觀地獲取檢索結(jié)果的總體信息,能夠迅速定位自己想要查找的內(nèi)容,提高了用戶的查詢效率。
Carrot2是一個(gè)開(kāi)源的聚類(lèi)搜索引擎系統(tǒng),它采用的聚類(lèi)算法在Web檢索聚類(lèi)方面有很強(qiáng)的代表性。文章選取Carrot2采用的K-means和Lingo算法進(jìn)
2、行了深入研究,并針對(duì)算法的不足及存在問(wèn)題做了一定的改進(jìn)。
K-means是經(jīng)典的劃分聚類(lèi)算法,其具有簡(jiǎn)單易懂、運(yùn)行速度快的優(yōu)點(diǎn),然而也存在著一些不足,如K值的確定、初始聚類(lèi)中心的選取、易受噪音點(diǎn)和孤立點(diǎn)的影響等多個(gè)方面。文章首先結(jié)合Web檢索結(jié)果的特點(diǎn)確定了K值并選出初始聚類(lèi)中心,然后用權(quán)重法代替平均法降低了噪聲數(shù)據(jù)的影響。在經(jīng)過(guò)多次試驗(yàn)后,又發(fā)現(xiàn)文檔的合理歸類(lèi)問(wèn)題。文章根據(jù)Web檢索結(jié)果的排名特點(diǎn),改進(jìn)了權(quán)值計(jì)算公式,使文檔
3、歸入排名靠前的類(lèi)簇中。如“華為”的檢索結(jié)果中,將文檔“華為手機(jī)大全”放入“手機(jī)”和“大全”的類(lèi)簇中都不為錯(cuò),但歸入“手機(jī)”的類(lèi)簇中顯然更加合適。
Lingo算法是基于潛在語(yǔ)義索引的聚類(lèi)算法。本文分析了Lingo算法中影響聚類(lèi)效果的因素,通過(guò)引入位置信息和詞長(zhǎng)信息對(duì)其權(quán)值計(jì)算公式進(jìn)行了改進(jìn),以提高聚類(lèi)的準(zhǔn)確率。
實(shí)驗(yàn)表明,改進(jìn)后的K-means算法解決了硬聚類(lèi)算法的文檔合理歸類(lèi)問(wèn)題,而且具有良好的聚類(lèi)效果,標(biāo)簽的可讀性
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)聚類(lèi)算法的圖像檢索研究.pdf
- 基于學(xué)習(xí)聚類(lèi)的圖像檢索算法研究.pdf
- 中文Web文本聚類(lèi)研究.pdf
- 基于聚類(lèi)的鞋印圖像檢索算法研究.pdf
- Web信息檢索結(jié)果聚類(lèi)系統(tǒng)的研究.pdf
- 基于Web文本挖掘的聚類(lèi)算法研究.pdf
- 基于Web日志挖掘的聚類(lèi)算法研究.pdf
- 基于語(yǔ)音片段的語(yǔ)音檢索聚類(lèi)算法研究.pdf
- 基于ISODATA聚類(lèi)的詞匯樹(shù)圖像檢索算法研究.pdf
- Web中文文本聚類(lèi)研究.pdf
- 基于蟻群算法的中文本聚類(lèi)研究.pdf
- 基于DBSCAN優(yōu)化算法的Web文本聚類(lèi)研究.pdf
- 基于內(nèi)容的中文Web文檔聚類(lèi)方法研究與應(yīng)用.pdf
- 基于聚類(lèi)算法的中文自動(dòng)文摘方法研究.pdf
- 基于VSW擴(kuò)展算法和經(jīng)典聚類(lèi)算法的Web挖掘研究.pdf
- 結(jié)合聚類(lèi)的潛在語(yǔ)義檢索算法研究.pdf
- Web事務(wù)聚類(lèi)中模糊聚類(lèi)算法的應(yīng)用研究.pdf
- 基于SOM算法的中文文本聚類(lèi).pdf
- 基于Web文本的聚類(lèi)算法的應(yīng)用研究.pdf
- 基于矩陣模糊聚類(lèi)的Web使用挖掘算法.pdf
評(píng)論
0/150
提交評(píng)論