基于最大頻繁項(xiàng)集的搜索引擎查詢結(jié)果聚類方法.pdf

1、隨著網(wǎng)絡(luò)信息的爆炸式增長(zhǎng)，如何幫助用戶快速準(zhǔn)確地定位所需信息就成了一個(gè)十分緊要的問題。通過對(duì)搜索引擎查詢結(jié)果進(jìn)行在線聚類可以解決這個(gè)問題。然而由于查詢結(jié)果在線聚類所具有實(shí)時(shí)性，標(biāo)簽可讀性等特點(diǎn)，傳統(tǒng)的聚類算法無法滿足應(yīng)用要求；另一方面當(dāng)前大部分研究基于網(wǎng)頁摘要聚類，聚類精度有待提高，因此本文在實(shí)驗(yàn)室通用搜索引擎平臺(tái)上研究并設(shè)計(jì)了一種有效地基于網(wǎng)頁全文的聚類算法。
　　本文通過對(duì)頻繁項(xiàng)集及其在聚類算法中應(yīng)用的研究，提出了一種基于最大

2、頻繁項(xiàng)集的搜索引擎查詢結(jié)果在線聚類算法(Maximal Frequent Itemsets Clustering,MFIC)。MFIC通過采用動(dòng)態(tài)最小支持度和只挖掘最大頻繁項(xiàng)集，突破了頻繁項(xiàng)集在在線聚類方面應(yīng)用的瓶頸，圍繞頻繁項(xiàng)集完成網(wǎng)頁聚類，相似度計(jì)算，標(biāo)簽生成等工作。本文的研究?jī)?nèi)容主要包括以下幾個(gè)方面：
　　(1)結(jié)合查詢結(jié)果聚類的應(yīng)用需要，進(jìn)行網(wǎng)頁預(yù)處理，采用動(dòng)態(tài)設(shè)定頻繁項(xiàng)集挖掘中的最小支持度，挖掘最大頻繁項(xiàng)集，提高了頻繁項(xiàng)

3、集可用性；
　　(2)設(shè)計(jì)并實(shí)現(xiàn)了基于最大頻繁項(xiàng)集的網(wǎng)頁在線聚類系統(tǒng)，依據(jù)頻繁項(xiàng)集覆蓋網(wǎng)頁集合的關(guān)系，頻繁項(xiàng)集包含詞集合關(guān)系進(jìn)行相似度計(jì)算，簇的生成，合并等過程；
　　(3)設(shè)計(jì)標(biāo)簽的提取算法，結(jié)合頻繁項(xiàng)集和詞語順序出現(xiàn)關(guān)系挖掘短語性標(biāo)簽，改進(jìn)了基于頻繁項(xiàng)集聚類的標(biāo)簽生成效果；
　　(4)通過與其它聚類算法的實(shí)驗(yàn)對(duì)比，驗(yàn)證了本文提出的聚類方法在網(wǎng)頁聚類方面的優(yōu)越性。
　　本系統(tǒng)已成功應(yīng)用在本實(shí)驗(yàn)中心構(gòu)建的智能化網(wǎng)