Web检索结果的层次聚类的研究.pdfVIP

Web检索结果的层次聚类研究 Hierarchical forWebSearchResult ClusteringAlgorithm 杨建武 (北京大学计算机研究所 文字信息处理技术国家重点实验室 北京100871) Abstract forWebsearchresuhscan the ofthesearchresults，sothattheusercan Clustering improvereadability for results findwhatheneeds．Suffixtree a Websearch quick clustering(STC)isgoodalgorithm clusteringtbe— causeit isanincremental andhaslineartime this hierarchicalcluster— clusteringalgorithm complexity．Inpaper，an is basedonSTC isnamedSTC-H．TheSTC—H anew ingalgorithmproposed algorithm．which algorithmadopts basecluster 8sthebaseclusters’commonintroducesaneliminationmechanism mergepolicyaccording phases．and the invector forcandidateclusterswhichconsiderssome clusters’cohesion experP propertiesincluding space．The show not ofSTC，butalsoitshierarchicalresultis mentalresults thattheSTC—H algorithmonlykeepsadvantages visualandits hasbeen clusters’qualifyimproved． Keywords treetWebsearch Clustering．Suffix 这些特性，STC算法非常适合于网页聚类分析，特 1引言 别是对Web检索结果的聚类分析。 随着Internet的发展，Web资源呈爆炸性地增在sTc算法思想的基础上，本文提出了改进算 长。为了帮助人们有效地使用这些资源，陆续出现了 法STC—H。STC—H算法采用基于公共短语分析的 一些功能强大的搜索引擎，这些搜索引擎给人们带 层次合并策略，利用文本向量空间模型进行聚类的 来很大便利。但是，目前主流的搜索引擎的结果集是 内聚性度量，并综合相关因素判定聚类的有效性及 一个长长的网页列表，难以很好地满足使用者的需 结果输出的顺序。实验对比分析表明，STC—H算法 求。聚类技术可以通过网页聚类分析，对网页形成分 不仅继承了STC算法的优势，而且形成的层次化的 组，甚至形成层次化的组织形式，便于使用者