基于本體的Web頁面聚類挖掘.pdf

1、隨著互聯(lián)網(wǎng)絡(luò)的發(fā)展，Web頁面的數(shù)量激增，人們需要對大量的文本資源進行有效的組織，以有利于信息檢索、模式發(fā)現(xiàn)、為用戶提供推薦服務(wù)，以及為進一步的分類提供模式基礎(chǔ)，于是Web頁面的聚類技術(shù)成為一種迫切需要，針對傳統(tǒng)聚類方法的不足，將領(lǐng)域本體引入聚類中，實驗驗證，提高了聚類的效率，增強了結(jié)果的可解釋性，大大節(jié)省了用戶查找信息的時間。 本文研究本體在Web頁面中的聚類挖掘。本體作為領(lǐng)域模型，提供了人們對領(lǐng)域概念和概念層次的共同理解，同

2、時其應(yīng)用降低了對自然語言理解技術(shù)的依賴。本文主要的工作和成果如下： 提出了一種基于本體的文本表示模型。針對傳統(tǒng)模型中的不足，通過引入本體，能更好的表示文檔集合的特征。 提出了一種基于本體的聚類算法，通過利用本體提供的領(lǐng)域知識，有效地解決傳統(tǒng)方法中參數(shù)確定和結(jié)果可解釋性等問題。 構(gòu)建了一個基于本體的Web頁面聚類挖掘系統(tǒng)，原型系統(tǒng)通過結(jié)合領(lǐng)域本體的優(yōu)勢，在一個引擎的環(huán)境下對返回的頁面進行聚類，實驗驗證，這樣有效地減