檢索結果聚類中的類別標簽抽取技術研究.pdf

1、隨著網(wǎng)絡信息的日益膨脹，信息泛濫的狀況日趨嚴重，而作為人們獲取信息的主要手段的搜索引擎卻面臨著諸多新問題，如何快速地幫助用戶獲取特定的知識、如何引導用戶并推送給用戶相關信息，已然成為各個搜索引擎面臨的日趨緊迫的任務。檢索結果聚類能夠最大限度地解決搜索引擎這一問題，提供用戶引導、數(shù)據(jù)分布，其應用不僅在展現(xiàn)形式上，對于搜索引擎相關性排序、相關搜索等問題上均有較大幫助，對于文本數(shù)據(jù)檢索、數(shù)字化圖書館管理、實體關系挖掘等領域也有非常廣闊的應用前

2、景。
　　對于檢索結果進行挖掘，生成恰當?shù)囊龑詷撕?，輔助用戶快速瀏覽網(wǎng)頁內容，是檢索結果聚類的主要目標。傳統(tǒng)的聚類方法，一方面時間復雜度較高不能快速響應用戶需求，另一方面不能生成高質量可讀標簽。
　　本文通過對比分析傳統(tǒng)方法的不足，結合搜索引擎快速響應的需求及用戶引導高表意等方面的特定情景，提出了基于標簽的排序模型，采用層次聚類的方法進行聚類，并最終抽取出代表性標簽的基本方法。本文主要研究內容包括以下幾方面：
　　1

3、、候選標簽的抽取策略。在各語義信息的指導下，盡可能抽取全面而且質量好的候選標簽，為后續(xù)工作提供良好的基礎。
　　2、采用排序模型對抽取標簽進行排序，綜合考慮資源特征、本體特征、用戶行為特征、語義特征，生成聚類候選。同時對這類特征提出有針對性的資源挖掘方法。
　　3、采用改進的層次聚類算法及多種語義資源進行類別合并，將不同維度上的各類相似標簽進行合并。
　　4、綜合利用資源信息、用戶行為信息指導標簽的抽取，提出了一種有意