信息檢索系統(tǒng)的算法庫(kù)研究.pdf

1、伴隨著萬(wàn)維網(wǎng)的發(fā)展,越來(lái)越多的人開(kāi)始以網(wǎng)絡(luò)進(jìn)行生活、工作和學(xué)習(xí).信息檢索已經(jīng)構(gòu)成網(wǎng)絡(luò)的一個(gè)不可或缺的因素.在進(jìn)行信息檢索時(shí),用戶希望能夠檢索出所有感興趣的信息,這就需要濾掉不相關(guān)的信息,從而獲得最有價(jià)值的信息.在這種情形下,Web數(shù)據(jù)挖掘應(yīng)運(yùn)而生.而挖掘算法種類繁多,每種算法都有其適用的情形.如何選擇合適的算法進(jìn)行數(shù)據(jù)處理成為人們面臨的問(wèn)題. 本文針對(duì)上述問(wèn)題及挖掘算法應(yīng)用的普遍性,構(gòu)建了算法庫(kù)系統(tǒng).該系統(tǒng)旨在為信息檢索提供算法

2、支持.我們給出了算法調(diào)用和管理的框架.通過(guò)映像和元對(duì)象協(xié)議實(shí)現(xiàn)算法庫(kù)的核心功能和系統(tǒng)控制功能的分離.這樣,可以通過(guò)添加新的元對(duì)象來(lái)引入新的調(diào)用機(jī)制,而基本算法保持穩(wěn)定.從而使系統(tǒng)具有良好的擴(kuò)展性. 在算法的選取中,考慮項(xiàng)目所要處理的數(shù)據(jù)特點(diǎn),針對(duì)當(dāng)前XML文檔結(jié)構(gòu)聚類算法的一些不足,提出采用段匹配的概念來(lái)計(jì)算兩棵XML文檔樹(shù)中的路徑相似性.在整個(gè)聚類過(guò)程中,算法還把一組相關(guān)文檔與一個(gè)XML聚類代表相關(guān)聯(lián),并給出了聚類代表的計(jì)算方