Web搜索引擎的搜索結(jié)果聚類(lèi)研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，Internet成為當(dāng)今世界上最大的信息庫(kù)。面對(duì)浩如煙海的信息，用戶(hù)試圖通過(guò)瀏覽Web來(lái)發(fā)現(xiàn)信息、檢索信息已經(jīng)越來(lái)越困難。搜索引擎是目前人們從Web上獲取信息的主要工具，但是搜索引擎如Google、百度、雅虎等，返回的搜索結(jié)果缺乏清晰的結(jié)構(gòu)，往往返回一個(gè)很長(zhǎng)的、混雜相關(guān)信息和無(wú)關(guān)信息的搜索結(jié)果列表，用戶(hù)不得不對(duì)列表中的結(jié)果逐個(gè)進(jìn)行驗(yàn)證以得到所需信息，這給用戶(hù)搜索到自己真正需要的信息制造了困難。因此，如

2、何讓用戶(hù)更加準(zhǔn)確而快捷地通過(guò)搜索引擎找到所需信息，成為一個(gè)非常重要而值得研究的課題。 數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，為解決此問(wèn)題提供了新的思路。數(shù)據(jù)挖掘旨在抽取數(shù)據(jù)中隱含的、未知的、有用的、非一般的模式或知識(shí)。聚類(lèi)作為數(shù)據(jù)挖掘的基本方法之一，通過(guò)比較數(shù)據(jù)的相似性和差異性，能發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在特征及分布規(guī)律，從而獲得對(duì)數(shù)據(jù)更深刻的理解與認(rèn)識(shí)。使用聚類(lèi)技術(shù)對(duì)搜索結(jié)果進(jìn)行處理，以更合理的方式將搜索結(jié)果返回給用戶(hù)，使得用戶(hù)能夠方便地得到自己所需的信息

3、。 本文在對(duì)Web搜索引擎以及數(shù)據(jù)挖掘技術(shù)進(jìn)行研究的基礎(chǔ)上，針對(duì)該需求，提出一個(gè)在中文語(yǔ)言環(huán)境下、能夠?qū)λ阉鹘Y(jié)果進(jìn)行聚類(lèi)處理的搜索結(jié)果聚類(lèi)模型，并對(duì)其關(guān)鍵模塊進(jìn)行了實(shí)現(xiàn)。這一模型的主要思想是以Web搜索引擎返回的搜索結(jié)果作為輸入數(shù)據(jù)，首先找到具有良好描述性、可讀性的聚類(lèi)標(biāo)簽，然后將相關(guān)的搜索結(jié)果分配到各個(gè)聚類(lèi)標(biāo)簽下，經(jīng)過(guò)后處理將搜索結(jié)果按照聚類(lèi)類(lèi)別的方式返回給用戶(hù)，使用戶(hù)能夠更加便捷地找到所需的信息。 在對(duì)該模型的設(shè)計(jì)中