基于自組織特征映射的檢索結(jié)果聚類研究.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、目前主流的搜索引擎都基于關(guān)鍵詞匹配,當查詢詞很短時往往有大量包含查詢詞卻實際并不相關(guān)的網(wǎng)頁被返回。而采用有序列表方式來呈示檢索結(jié)果,使得不同主題的網(wǎng)頁混雜一起,用戶不得不再次從幾千甚至上萬的檢索結(jié)果中人工定位需要的信息。
  檢索結(jié)果聚類技術(shù)致力于實時地將檢索結(jié)果按主題整理成若干類別,并賦予每個類別一個準確可讀的標簽。用戶可以根據(jù)標簽直接定位真正感興趣的結(jié)果集,還可以根據(jù)其它類別標簽更好地了解查詢詞,必要時重新構(gòu)造更準確的查詢詞等

2、。
  相比一般文本聚類算法,檢索結(jié)果聚類有著文本信息不全、計算速度快、類別描述準確等特殊要求。對此,本文提出了一種基于自組織特征映射(SOM)的聚類算法,該算法將SOM與潛在語義索引技術(shù)(LSI)有機地結(jié)合。利用LSI將待聚類文本及特征詞表示于同一低維語義空間,然后將重新表示的文本用于SOM訓練,將重新表示的特征詞用于神經(jīng)元標簽計算,并在綜合考察神經(jīng)元權(quán)值和標簽的基礎(chǔ)上進行神經(jīng)元合并最終形成帶有準確標簽描述的聚類結(jié)果。
 

3、 考慮到不同檢索結(jié)果集類別個數(shù)差異可能較大,我們還對SOM進行了改進,使其從一個較小的網(wǎng)絡開始,動態(tài)地增長到合適大小。神經(jīng)元權(quán)值向量接近于映射于其上的文檔集質(zhì)心,因此當SOM神經(jīng)元個數(shù)小于所要表示的類別數(shù)目時,神經(jīng)元與樣本的偏差之和即量化誤差會偏大。據(jù)此可以確定何時需要增加神經(jīng)元。
  LSI與SOM結(jié)合的主要優(yōu)點在于減少噪聲以提高聚類質(zhì)量,降低維數(shù)以加快訓練,并提供了一種新的標簽抽取和類別生成方法。實驗結(jié)果表明,我們的算法從聚類

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論