基于Hyperlink聚类的网页分类研究.pdfVIP

维普资讯 第 32卷 第 12期 华 中 科 技 大 学 学 报(自然科学版) Vo1．32 No．12 ． 2004年 12月 J．HuazhongUniv．ofSci． Tech．(NatureScienceEdition) Dec． 2004 基于 Hyperlink聚类的网页分类研究 叶卫国 卢正鼎2 王天江2 (1厦门大学 管理学院，福建 厦门361005； 2华中科技大学计算机科学与技术学院，湖北 武汉 430074) 摘要 ：研究并提 出了基于Hyperlink聚类的分类算法 ，它不需要分析Web文档 内容，只根据 Web图来聚类 ．算 法性能比传统文本分类方法有很大提高，大大增强了网页分类的能力和效率，适合于海量网页分类 ．实验表明 基于Hyperlink聚类的分类算法 ，应用于Web文档信息分类 ，比传统的文本分类方法更加有效． 关 键 词 ：网页分类 ；超链接 ；聚类 ；中心点 中图分类号 ：TP393．09 文献标识码：A 文章编号 ：1671—4512(2004)12—0005．02 StudyofW ebclassificationbasedonhyperlinkclustering YeWeigUO LuZheng,ding WangTia iang Abstract：ThispaperproposedaW ebclassificationmethodbasedonHyperlinkclustering．Itwasnotneces— sarytoanalyzethecontentandwasmoreappropriateinhugeW ebpagecategorizationthanthetraditional textclustering．Itwasshowedthattheapplicationofclassificationmethod basedonHyperlinkclusteringto Webclusteringwasmoreeffectiveandprecisethantheterm—basedclusteringmethod ． Keywords：W ebclassification；hyperlink；clustering；centroid YeW eiguo Dr；CollegeofMagnagement，XiamenUniv．Xiamen361005，China． 构成 了 D 的一个新 的聚类 C= {C1，C2，…， 1 聚类及文本聚类方法 C一l}； d．重复上述步骤 ，直至 C 中剩下一个类或 聚类 1是一个将文本集分组的全 自动处理 类的最大相似度小于阈值为止． 过程 ，每个组里的文本在一定方面互相接近． 该过程构造出一棵生成树 ，其 中包含 了类的 文本聚类l2j是一种典型无教师 的机器学 习 层次信息以及所有类内和类间的相似度；但是在 问题 ，层次聚类方法是最为常用的聚类方法，它能 每次合并时，需要全局地 比较所有类之间的相似 够生成层次化的嵌套类 ，且准确度较高．对于给定 度，并选择 出最佳的两个类 ，因此运行速度较慢 ， 的文档集合 D=(dl，d2，…，d，…，d，}，层次 不能够应用于大量文档的集合 ，对于Web海量信 凝聚法的具体过