搜索引擎檢索結果聚類方法的研究與改進.pdf

1、目前，現有的搜索引擎雖然采用各種方法來提高檢索結果的精度，但相關文檔和不相關文檔仍然相互混雜，給用戶帶來了負擔。將搜索引擎返回結果進行聚類，將其分成若干個簇，同一簇內文檔相關度盡可能的大，不同簇間文檔相關度盡可能的小，這樣將大大縮小用戶所需瀏覽的結果數量，從而縮短用戶查詢所需要的時間。 首先，本文在特征項的抽取過程中，在短語層次上采用詞典識別與統(tǒng)計方法相結合的方式，這樣既可以識別常用詞匯，又可以識別專業(yè)術語、縮略語、臨時用語、新

2、出現的用語等等往往不會在詞典之中的詞匯。對索引結構進行改進，文檔的順序表與倒排表共同作為索引，以使其更加適應對搜索引擎返回結果的聚類。 其次，給出一個快速聚類算法HPMC。在此方法中首先計算返回結果之間的相似性，然后使用層次聚類法產生初始種子點，利用k-means與Single pass相結合的算法進行聚類形成基類，通過合并基類最終得到聚類結果。 最后，對HPMC算法從時間復雜度、空間復雜度、聚類質量、聚類數目的形成、對