基于模糊聚類算法及推薦技術(shù)的搜索引擎結(jié)果排序.pdf

1、如今互聯(lián)網(wǎng)上資源的豐富和人們對互聯(lián)網(wǎng)的依賴,使得人們在瀏覽網(wǎng)絡(luò)資源的同時想的更多的是如何能快速、準(zhǔn)確地從互聯(lián)網(wǎng)上獲取對自己有用的信息。搜索引擎系統(tǒng)就成為了最受歡迎的獲取網(wǎng)絡(luò)資源的工具。然而,人們在體驗搜索引擎系統(tǒng)帶來方便時,也體會到了要獲取準(zhǔn)確、有用的網(wǎng)絡(luò)資源所帶來的困難。目前的搜索引擎主要的思路是將查詢關(guān)鍵詞與互聯(lián)網(wǎng)上的資源進(jìn)行匹配,再返回檢索結(jié)果。但查詢的關(guān)鍵詞含有多種語義,從而使得檢索的結(jié)果存在著主題漂移的現(xiàn)象。而且用戶需要在檢索

2、結(jié)果中進(jìn)行不斷的篩選,以此來尋找有用的資料,這使得用戶需要耗費(fèi)大量的時間在檢索結(jié)果上。為了解決以上問題,本文提出了一種基于模糊聚類算法的搜索引擎結(jié)果排序新方法,即IPCM算法。為了優(yōu)化檢索結(jié)果的排序,本文將傳統(tǒng)的推薦技術(shù)進(jìn)行了融合,形成了融合推薦算法。并將IPCM算法和融合推薦算法相結(jié)合,應(yīng)用到搜索引擎結(jié)果排序中。并通過實驗驗證了算法的可行性和優(yōu)越性。
　　本文有以下三個創(chuàng)新點:
　　(1)提出了一種改進(jìn)的PCM算法,即IP

3、CM算法。本文為了克服了PCM算法對初始值敏感的問題,將用戶的興趣愛好模型作為IPCM算法的初始矩陣。以用戶興趣愛好為模型的初始矩陣符合用戶檢索的習(xí)慣,使IPCM算法在更新聚類中心和更新分類矩陣收斂之后所得到的結(jié)果更符合用戶所查詢的主題,防止了主題漂移。
　　(2)將傳統(tǒng)推薦技術(shù)進(jìn)行融合形成了一種融合推薦算法。對于傳統(tǒng)推薦的技術(shù),采取取長補(bǔ)短的方法,對基于用戶協(xié)同過濾推薦技術(shù)、基于內(nèi)容的推薦技術(shù)這兩種技術(shù)進(jìn)行融合,并將融合推薦算法