后綴樹在web搜索結(jié)果聚類中的研究與應(yīng)用.pdf

1、如今，互聯(lián)網(wǎng)成為了人們生活中必不可少的工具之一，人們對于信息的依賴性也越來越強(qiáng)，我們在平常所接觸的信息大多數(shù)都以文本的形式表現(xiàn)出來。人們面對眾多的信息，常常感到無所適從，如何對這些信息進(jìn)行有效地管理，如何能為用戶快速而又準(zhǔn)確地找到所需要的信息，成為一個研究的熱點(diǎn)。
　　由于信息量巨大，而各個搜索引擎所采用的檢索方法基本都是基于關(guān)鍵字的檢索，其所返回的結(jié)果也相當(dāng)多，而作為用戶，真正關(guān)心和需要的內(nèi)容往往只占一小部分。如何能夠?qū)⑺阉饕?/p>

2、的查詢結(jié)果進(jìn)行分類，使用戶可以快速而準(zhǔn)確地定位自己所需要的信息，就成為我們最為關(guān)心的問題。在眾多搜索引擎中，元搜索引擎為用戶提供了這樣的功能。而聚類算法是元搜索引擎中最重要的一部分。
　　文本聚類在互聯(lián)網(wǎng)搜索中具有重要的作用，因此人們對其進(jìn)行了很多的研究，也產(chǎn)生了許多高效的聚類算法，如K-means，AHC，STC等。但這些算法都沒有很好地利用詞語的語義信息，近年來，Ulrike Stege與Alex Thomo提出了語義后綴樹這

3、一結(jié)構(gòu)，使得后綴樹聚類算法的性能得到了提升。
　　本文主要做了以下幾個方面的工作:
　　(1)在語義后綴樹的基礎(chǔ)上進(jìn)行改進(jìn)，得到一種稱為語義后綴樹組的結(jié)構(gòu);
　　(2)將該結(jié)構(gòu)應(yīng)用于傳統(tǒng)的后綴樹聚類算法中，使算法所產(chǎn)生的后綴樹的結(jié)點(diǎn)數(shù)量，分支數(shù)量及最終產(chǎn)生的聚類數(shù)量有所減少;
　　(3)在后綴樹聚類算法的基礎(chǔ)上提出了一種適用于中文web搜索結(jié)果的聚類算法，結(jié)合漢語語言的特點(diǎn)和語義相似性，提出了短語類的合并策略，提