一種改進的Web社區(qū)挖掘算法.pdf

1、隨著Internet的快速發(fā)展，Web資源飛速增長，并朝著多元化、復雜化的方向發(fā)展。如何從中提取出潛在的、有價值的信息，進而充分、有效地利用Web信息資源，是當今信息領域重要又極具挑戰(zhàn)性的研究課題。Web社區(qū)是Web中非常重要的信息，它可以對互聯(lián)網進行各種意義上的劃分。因此，通過合理的策略快速發(fā)現(xiàn)海量Web頁面中的Web社區(qū)，對信息檢索及搜索引擎都具有非常重要的意義。
　　 Web頁面之間的鏈接關系為Web社區(qū)發(fā)現(xiàn)提供了極其豐富

2、的信息線索，可以從鏈接結構中獲得Web拓撲結構模型。本文研究了Web社區(qū)發(fā)現(xiàn)的三種典型算法，并對這三種算法進行了具體的比較和分析，指出了算法中存在的缺陷和改進的方向。
　　 本文對傳統(tǒng)的基于流量的社區(qū)發(fā)現(xiàn)算法中邊容量與社區(qū)規(guī)模之間的關系進行了深入的研究，傳統(tǒng)算法給每條邊的邊容量分配一個常量值，把每條邊看作同等重要，而實際上每條邊所包含的信息價值并不相同，因此常常把包含噪音頁面的圖結構提取出來，并且在某些情況下不能提取出大小合適的