基于WEB挖掘的聚類搜索引擎研究.pdf

1、隨著互聯(lián)網的飛速發(fā)展,人們利用互聯(lián)網共享各種信息,使得網絡信息資源日趨豐富,搜索引擎正是為了解決這一問題而發(fā)展起來的,而現在的搜索引擎存在明顯的缺陷:一是搜索引擎結果數量龐大,二是搜索結果線性排列,本文在現有搜索引擎各種技術研究的基礎上,對Web文檔聚類進一步研究,致力于搜索結果的自動分類,從而使得用戶更加直觀高效地找到所需結果。
　　數據挖掘(Data Mining,DM)是指從大量不完全的、有噪聲的、模糊的、隨機的數據中,提取

2、隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。發(fā)展自統(tǒng)計學的聚類分析作為數據挖掘的一項主要功能和任務,成為數據挖掘中的一個重要的研究領域,至今已提出了大量的理論和方法,取得了豐碩的研究成果。其表現形式為概念(Concepts)、規(guī)則(Rules)、模式(Patterns)等形式。數據挖掘的功能包括發(fā)現概念類描述、關聯(lián)規(guī)則、分類和預測、聚類、趨勢分析、偏差分析和類似性分析。
　　如何從WEB包含的大量信息中發(fā)現固

3、有的模式和關聯(lián),成了人們迫切希望解決的問題。將傳統(tǒng)的數據挖掘技術與Web結合起來,進行Web挖掘就是一個途徑。Web挖掘是傳統(tǒng)數據挖掘技術在Web環(huán)境下的應用,試圖從大量的Web文檔集合和用戶瀏覽Web的數據信息中發(fā)現未知的,有潛在應用價值的模式。因此,顯而易見進行基于Web挖掘的聚類引擎研究有著十分重要的意義。
　　本論文的研究目的是在系統(tǒng)地回顧了互聯(lián)網信息檢索、數據挖掘、搜索引擎以及聚類技術的應用研究現狀基礎上,將搜索引擎的搜

4、索結果進行聚類處理,最后以結構化的方式顯示給最終用戶。
　　本文的主要研究成果包括:
　　(1)對互聯(lián)網信息檢索、搜索引擎、數據挖掘及其聚類的應用研究現狀進行分析和概述,從而指出基于Web挖掘的聚類搜索引擎研究是一個具有重要意義的研究課題。
　　(2)本文根據Ming-Cheng Tseng中提出的confidence-lift模式,改進Apriori算法在最大值約束條件下來找到最大頻繁項集。
　　(3)將文本聚