聚类算法在Web文本挖掘中应用研究.pdf

2009仝1日计算机网络与通信学术会议论文集 计算机叫络 聚类算法在Web文本挖掘中的应用研究 陈宇，王强 (北京航空航天大学，100191) 摘要：本文主要讨论了聚类算法在Web文本挖掘中的应用研究情况。着重总结了 Web文本挖掘的特点、一般过程和适用于Web文本聚类的算法条件，总结了当前的 研究热点，并提出了Web文本聚类算法的发展方向。 关键词：聚类Web文本挖掘 Researchof inWebText Application ClusteringAlgorithms Mining Chcn Yu，WangQiang (BeihangUniversity，100191) Abstract：This discusses researchin in papermainly application clusteringalgorithms WebText summarizesthe characteristicsand ofWebText Mining．It process general and of toWebText alsoliststhe Miningrequirementsalgorithmsapplied Clustering．It currentresearchand a on ofWebText topicsgivesprospectdevelopment Clustering Algorithms． Key WebText Words：ClusteringMining 1 引言 近年来，囚特网发展迅猛，应用愈加广泛，涉及了经济、文化、教育、新闻、广告、 消费、娱乐、金融、保险、销售、电子商务等多方面的内容，这使得Web上的信息量 以惊人的速度增长。2006年3月，中国互联网络信息中心发布了{2005年中国互联网 络信息资源数最调奄报告》，报告称：截I}：到2005年12月31日，中国网页总数约有 24．0亿个。一年内增长17．5亿个，年增长率高达269％，如图1所示11】，这一统计数字 更在2009年1月发布的《第23次中国互联网络发展状况统计报告》中达到160．8亿【21。 3000 2500 Z-2000 k 粤1500 ■ ■簦豳 曰一口一f『『]一 L．．．一—o 2001年 2002f|i 2003年 2004年 2005年 『口静态面育i蕊雨磊] 图1 中国历年网页总数