基于自組織特征映射的檢索結(jié)果聚類研究.pdf

1、目前主流的搜索引擎都基于關(guān)鍵詞匹配，當(dāng)查詢詞很短時(shí)往往有大量包含查詢詞卻實(shí)際并不相關(guān)的網(wǎng)頁被返回。而采用有序列表方式來呈示檢索結(jié)果，使得不同主題的網(wǎng)頁混雜一起，用戶不得不再次從幾千甚至上萬的檢索結(jié)果中人工定位需要的信息。
　　檢索結(jié)果聚類技術(shù)致力于實(shí)時(shí)地將檢索結(jié)果按主題整理成若干類別，并賦予每個(gè)類別一個(gè)準(zhǔn)確可讀的標(biāo)簽。用戶可以根據(jù)標(biāo)簽直接定位真正感興趣的結(jié)果集，還可以根據(jù)其它類別標(biāo)簽更好地了解查詢詞，必要時(shí)重新構(gòu)造更準(zhǔn)確的查詢詞等

2、。
　　相比一般文本聚類算法，檢索結(jié)果聚類有著文本信息不全、計(jì)算速度快、類別描述準(zhǔn)確等特殊要求。對此，本文提出了一種基于自組織特征映射（SOM）的聚類算法，該算法將SOM與潛在語義索引技術(shù)（LSI）有機(jī)地結(jié)合。利用LSI將待聚類文本及特征詞表示于同一低維語義空間，然后將重新表示的文本用于SOM訓(xùn)練，將重新表示的特征詞用于神經(jīng)元標(biāo)簽計(jì)算，并在綜合考察神經(jīng)元權(quán)值和標(biāo)簽的基礎(chǔ)上進(jìn)行神經(jīng)元合并最終形成帶有準(zhǔn)確標(biāo)簽描述的聚類結(jié)果。
　

3、　考慮到不同檢索結(jié)果集類別個(gè)數(shù)差異可能較大，我們還對SOM進(jìn)行了改進(jìn)，使其從一個(gè)較小的網(wǎng)絡(luò)開始，動(dòng)態(tài)地增長到合適大小。神經(jīng)元權(quán)值向量接近于映射于其上的文檔集質(zhì)心，因此當(dāng)SOM神經(jīng)元個(gè)數(shù)小于所要表示的類別數(shù)目時(shí)，神經(jīng)元與樣本的偏差之和即量化誤差會(huì)偏大。據(jù)此可以確定何時(shí)需要增加神經(jīng)元。
　　LSI與SOM結(jié)合的主要優(yōu)點(diǎn)在于減少噪聲以提高聚類質(zhì)量，降低維數(shù)以加快訓(xùn)練，并提供了一種新的標(biāo)簽抽取和類別生成方法。實(shí)驗(yàn)結(jié)果表明，我們的算法從聚類