中文搜索結(jié)果及新聞網(wǎng)頁(yè)的聚類研究.pdf

1、隨著中國(guó)互聯(lián)網(wǎng)的飛速發(fā)展，中文互聯(lián)網(wǎng)頁(yè)在5 年內(nèi)增長(zhǎng)了120 倍，可查網(wǎng)頁(yè)數(shù)已經(jīng)達(dá)到6 億。海量的網(wǎng)頁(yè)在為人們提供包羅萬(wàn)象、無(wú)比豐富的信息資源的同時(shí)，也向人們提出了如何快速?gòu)闹蝎@取其所需信息的挑戰(zhàn)。搜索引擎的存在方便了人們對(duì)信息的查找，但是，人們通常無(wú)法用簡(jiǎn)單的幾個(gè)詞來(lái)描述自己的信息需求。對(duì)于一個(gè)檢索查詢?cè)~，搜索引擎往往會(huì)返回成千上萬(wàn)的文本結(jié)果，這些結(jié)果是動(dòng)態(tài)而簡(jiǎn)單的，但絕大部分對(duì)于某個(gè)特定的用戶而言都是不相關(guān)的。因此，用戶必須通過(guò)瀏覽

2、冗長(zhǎng)的列表才能找到自己需要的信息。此外，查詢?cè)~也往往具有歧義，不同用戶具有不同的背景、興趣以及使用目的。因此，我們對(duì)中文網(wǎng)頁(yè)搜索結(jié)果進(jìn)行聚類及可視化等方面的研究，為用戶提供更加智能的搜索服務(wù)。 同時(shí)，門(mén)戶網(wǎng)站的新聞瀏覽也是用戶獲取進(jìn)行信息的重要途徑。國(guó)內(nèi)的新浪、搜狐、百度、中搜等網(wǎng)站每天發(fā)布上萬(wàn)條新聞，并提供了分類的層次目錄供用戶選擇。目前的新聞主要是按照要聞、國(guó)內(nèi)、國(guó)際、社會(huì)、體育、娛樂(lè)、互聯(lián)網(wǎng)的方式進(jìn)行分類。RSS 新聞聚

3、合服務(wù)的提出改變了新聞瀏覽的方式，用戶可以定制新聞，方便地利用RSS 閱讀器得到最新消息。但是，即使如此，用戶還是需要從特定的類別中分揀出自己真正需要的信息，閱讀負(fù)擔(dān)沉重。本文在目前機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和人工智能理論的基礎(chǔ)上，提出新型的算法、理論和檢索模式來(lái)對(duì)中文Web 檢索結(jié)果進(jìn)行優(yōu)化，充分利用聚類技術(shù)對(duì)檢索結(jié)果進(jìn)行分析，并通過(guò)動(dòng)態(tài)交互的界面來(lái)可視化結(jié)果,有針對(duì)性地對(duì)搜索結(jié)果進(jìn)行過(guò)濾；對(duì)中文新聞進(jìn)行采用類似的聚類模型，提取出特征短語(yǔ)作為