基于復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)的網(wǎng)站聚類方法研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，信息指數(shù)級的增長給人們快速有效獲得有用信息帶來了巨大的挑戰(zhàn)，網(wǎng)站是比網(wǎng)頁更高層次的抽象，網(wǎng)站聚類作為 web挖掘的重要分支已經(jīng)得到越來越多的關(guān)注，對于發(fā)現(xiàn)站點間關(guān)系有重要意義，可對網(wǎng)站處于網(wǎng)絡(luò)中的位置和重要程度有更清楚的估價，可用于發(fā)現(xiàn)網(wǎng)絡(luò)社區(qū)以及找出同組網(wǎng)站之間共同的愛好或興趣，網(wǎng)站相似性與流行度分析，以及對一些中小網(wǎng)站如何擴大其影響力提供指導(dǎo)，以及擺脫當前平面式而進入關(guān)聯(lián)式的網(wǎng)站導(dǎo)航等等。當今，許多系統(tǒng)可歸納為

2、一個復(fù)雜網(wǎng)絡(luò)系統(tǒng)，比如：論文引用網(wǎng)絡(luò)、萬維網(wǎng)、生物網(wǎng)絡(luò)等等，而這些復(fù)雜系統(tǒng)都呈現(xiàn)出了一種聚團性質(zhì)，因此，本文以復(fù)雜網(wǎng)絡(luò)社團結(jié)構(gòu)來進行網(wǎng)站聚類的研究。
　　在基于鏈接的網(wǎng)站聚類技術(shù)中，由于網(wǎng)站層次結(jié)構(gòu)復(fù)雜，不易采集，這成為了其應(yīng)用的瓶頸。另外，基于網(wǎng)站內(nèi)容的聚類方法，對文本處理的復(fù)雜度高，也不適合大規(guī)模數(shù)據(jù)的處理。
　　本文的主要工作是利用復(fù)雜網(wǎng)絡(luò)理論的社區(qū)偵測技術(shù)來挖掘互聯(lián)網(wǎng)中以網(wǎng)站為單位的網(wǎng)站關(guān)系與網(wǎng)站分組，社區(qū)偵測技術(shù)將

3、互聯(lián)網(wǎng)模擬成一張巨大的圖，其中每個網(wǎng)站是這張圖中的一個節(jié)點，兩個節(jié)點之間的邊代表了兩個網(wǎng)站之間的關(guān)系，本文以他們之間的超鏈接來刻畫這種權(quán)值，并對權(quán)值的度量進行改進，針對其聚類效果，對于網(wǎng)站關(guān)系中的出鏈和入鏈對網(wǎng)站關(guān)系影響不同，即兩個網(wǎng)站之間有相互指向代表了更強的關(guān)系，對其權(quán)值進行改進，以提高其聚類效果。
　　在深入的研究了網(wǎng)站社團結(jié)構(gòu)的基礎(chǔ)上，本文對網(wǎng)站聚類結(jié)果進行了可視化，設(shè)計并實現(xiàn)了站點聚類與導(dǎo)航系統(tǒng)，將網(wǎng)站之間的關(guān)系呈現(xiàn)給用