支持多語言標簽優(yōu)先的元搜索引擎結果聚類研究.pdf

1、隨著互聯(lián)網規(guī)模的爆炸式增長，作為信息檢索工具的搜索引擎得到了廣泛的研究和應用。據研究單個搜索引擎能找到的相關信息通常不超過互聯(lián)網上所有相關信息的45％。另外，雖然現有的搜索引擎采用了多種技術來提高信息檢索的準確度，但以線性列表形式展現搜索結果的方法，使查詢相關文檔和不相關文檔相互混合，給用戶定位真正需要的信息帶來了極大的負擔。
　　 論文研究了如何構建一個的高性能的分布式的個性化元搜索引擎，并在此基礎上對搜索結果進行聚類以便減少

2、用戶定位信息的時間。通過將各個搜索引擎的結果進行合成，我們可以為用戶提供更加全面的信息。通過聚類，把搜索結果組織成樹狀層次結構，使得同一類別中的數據相關性盡可能高，不同類別間的數據的相關性盡可能低。在聚類過程中，我們基于全局數據優(yōu)先生成聚類的標簽名，從而使得類標簽對用戶可讀性更好，縮小用戶定位信息的范圍提高檢索的命中率，從而縮短用戶定位數據的時間。
　　 實驗數據表明，本文算法生成的類標簽可讀性優(yōu)于其他算法，而且搜索結果從數量和

3、準確性方面都優(yōu)于其他算法。與其他搜索結果聚類不同，本文提出了一種支持多語言標簽優(yōu)先的聚類算法，我們將其稱之為DCFC算法。該算法支持中文和英文，并且重點關注生成類標簽對人的可讀性，類別以層次結構展現。系統(tǒng)提供了一些參數來讓用戶控調整系統(tǒng)的運行結果：用戶可以通過標簽的長度，搜索結果中含有的數據條數等對搜索結果進行調整。DCFC算法主要有五個步驟：數據預處理、分詞、頻繁短語的生成、多層的類標簽的生成、將數據歸到相應的類下。
　　 我