中文搜索結(jié)果及新聞網(wǎng)頁的聚類研究.pdf

1、隨著中國互聯(lián)網(wǎng)的飛速發(fā)展，中文互聯(lián)網(wǎng)頁在5 年內(nèi)增長了120 倍，可查網(wǎng)頁數(shù)已經(jīng)達到6 億。海量的網(wǎng)頁在為人們提供包羅萬象、無比豐富的信息資源的同時，也向人們提出了如何快速從中獲取其所需信息的挑戰(zhàn)。搜索引擎的存在方便了人們對信息的查找，但是，人們通常無法用簡單的幾個詞來描述自己的信息需求。對于一個檢索查詢詞，搜索引擎往往會返回成千上萬的文本結(jié)果，這些結(jié)果是動態(tài)而簡單的，但絕大部分對于某個特定的用戶而言都是不相關(guān)的。因此，用戶必須通過瀏覽

2、冗長的列表才能找到自己需要的信息。此外，查詢詞也往往具有歧義，不同用戶具有不同的背景、興趣以及使用目的。因此，我們對中文網(wǎng)頁搜索結(jié)果進行聚類及可視化等方面的研究，為用戶提供更加智能的搜索服務(wù)。 同時，門戶網(wǎng)站的新聞瀏覽也是用戶獲取進行信息的重要途徑。國內(nèi)的新浪、搜狐、百度、中搜等網(wǎng)站每天發(fā)布上萬條新聞，并提供了分類的層次目錄供用戶選擇。目前的新聞主要是按照要聞、國內(nèi)、國際、社會、體育、娛樂、互聯(lián)網(wǎng)的方式進行分類。RSS 新聞聚

3、合服務(wù)的提出改變了新聞瀏覽的方式，用戶可以定制新聞，方便地利用RSS 閱讀器得到最新消息。但是，即使如此，用戶還是需要從特定的類別中分揀出自己真正需要的信息，閱讀負(fù)擔(dān)沉重。本文在目前機器學(xué)習(xí)、數(shù)據(jù)挖掘和人工智能理論的基礎(chǔ)上，提出新型的算法、理論和檢索模式來對中文Web 檢索結(jié)果進行優(yōu)化，充分利用聚類技術(shù)對檢索結(jié)果進行分析，并通過動態(tài)交互的界面來可視化結(jié)果,有針對性地對搜索結(jié)果進行過濾；對中文新聞進行采用類似的聚類模型，提取出特征短語作為