后綴樹(shù)在web搜索結(jié)果聚類(lèi)中的研究與應(yīng)用.pdf

1、如今，互聯(lián)網(wǎng)成為了人們生活中必不可少的工具之一，人們對(duì)于信息的依賴(lài)性也越來(lái)越強(qiáng)，我們?cè)谄匠Ｋ佑|的信息大多數(shù)都以文本的形式表現(xiàn)出來(lái)。人們面對(duì)眾多的信息，常常感到無(wú)所適從，如何對(duì)這些信息進(jìn)行有效地管理，如何能為用戶(hù)快速而又準(zhǔn)確地找到所需要的信息，成為一個(gè)研究的熱點(diǎn)。
　　由于信息量巨大，而各個(gè)搜索引擎所采用的檢索方法基本都是基于關(guān)鍵字的檢索，其所返回的結(jié)果也相當(dāng)多，而作為用戶(hù)，真正關(guān)心和需要的內(nèi)容往往只占一小部分。如何能夠?qū)⑺阉饕?/p>

2、的查詢(xún)結(jié)果進(jìn)行分類(lèi)，使用戶(hù)可以快速而準(zhǔn)確地定位自己所需要的信息，就成為我們最為關(guān)心的問(wèn)題。在眾多搜索引擎中，元搜索引擎為用戶(hù)提供了這樣的功能。而聚類(lèi)算法是元搜索引擎中最重要的一部分。
　　文本聚類(lèi)在互聯(lián)網(wǎng)搜索中具有重要的作用，因此人們對(duì)其進(jìn)行了很多的研究，也產(chǎn)生了許多高效的聚類(lèi)算法，如K-means，AHC，STC等。但這些算法都沒(méi)有很好地利用詞語(yǔ)的語(yǔ)義信息，近年來(lái)，Ulrike Stege與Alex Thomo提出了語(yǔ)義后綴樹(shù)這

3、一結(jié)構(gòu)，使得后綴樹(shù)聚類(lèi)算法的性能得到了提升。
　　本文主要做了以下幾個(gè)方面的工作:
　　(1)在語(yǔ)義后綴樹(shù)的基礎(chǔ)上進(jìn)行改進(jìn)，得到一種稱(chēng)為語(yǔ)義后綴樹(shù)組的結(jié)構(gòu);
　　(2)將該結(jié)構(gòu)應(yīng)用于傳統(tǒng)的后綴樹(shù)聚類(lèi)算法中，使算法所產(chǎn)生的后綴樹(shù)的結(jié)點(diǎn)數(shù)量，分支數(shù)量及最終產(chǎn)生的聚類(lèi)數(shù)量有所減少;
　　(3)在后綴樹(shù)聚類(lèi)算法的基礎(chǔ)上提出了一種適用于中文web搜索結(jié)果的聚類(lèi)算法，結(jié)合漢語(yǔ)語(yǔ)言的特點(diǎn)和語(yǔ)義相似性，提出了短語(yǔ)類(lèi)的合并策略，提