應用于搜索引擎的人物分類系統(tǒng)設(shè)計與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，在逐漸龐大的Web 資源庫中，愈發(fā)難以快速精確的查找有效信息，因此，針對不同的搜索需求，需要采用專用的檢索方式和搜索引擎提供個性化服務，以實現(xiàn)高效搜索。通過研究人物搜索引擎的架構(gòu)和工作流程，本文提出了應用于搜索引擎的人物分類系統(tǒng)，該系統(tǒng)能夠?qū)崿F(xiàn)文本集合的信息抽取與聚類分析，詳細闡述了人物分類系統(tǒng)的實現(xiàn)過程，重點研究了系統(tǒng)的關(guān)鍵技術(shù)：
　　 Web 信息抽取技術(shù)和文本聚類技術(shù)，并通過系統(tǒng)測試證實了系統(tǒng)的實

2、用性與系統(tǒng)關(guān)鍵技術(shù)的有效性。
　　 Web 信息抽取技術(shù)旨在自動抽取Web 文檔中的有效信息。本文提出了針對人物的信息抽取算法，能夠抽取Web 文檔中的高頻詞匯以及相關(guān)人物的重要屬性（出生年份、職業(yè)、地名和機構(gòu)名等），并詳細闡述了信息抽取算法的設(shè)計方法與實現(xiàn)過程。
　　 文本聚類技術(shù)是文本挖掘技術(shù)的核心技術(shù)之一，其目標在于劃分文本集合成若干個簇，并盡可能實現(xiàn)簇間文本的相似度低，簇內(nèi)文本相似度高。本文分析了聚類過程中的關(guān)鍵

3、技術(shù)：向量空間模型、特征項權(quán)重和文本相似度，為后續(xù)的聚類算法提供了實現(xiàn)提前。通過分析常規(guī)K-Means 聚類算法的流程，發(fā)現(xiàn)該算法主要不足在于需要人工選取初始簇數(shù)，因此，本文闡述了一種簇數(shù)K 自適應的K-Means算法，能夠自動選取簇心，并確定最佳簇數(shù)K，避免了簇數(shù)選取的盲目性對聚類造成的嚴重影響,在一定程度上優(yōu)化了K-Means算法。
　　 最后，針對人物分類系統(tǒng)中的關(guān)鍵技術(shù)進行了回顧與總結(jié)，并闡述了進一步優(yōu)化關(guān)鍵技術(shù)的的相關(guān)