一种基于文本聚类的网页排序方法_曹杰.pdfVIP

计 算 机 与 现 代 化 　2008年第 10期 J ISUANJ I YU X IANDA IHUA 总第 158期 文章编号 :(2008) 1000 1803 一种基于文本聚类的网页排序方法 曹 　杰 ,王直杰 (东华大学信息科学与技术学院 , 浙江 上海 20 1620) 摘要 :提出一种新的网页排序方法 - Clu sterR ank方法 。该方法先对检索结果进行文本挖掘 ,然后利用 W eb 网页的链接 信息以及用户点击率对网页重要性的影响对挖掘结果进行排序 。该算法可以引导用户进一步明确其检索需求 。 关键词 : Clu sterR ank; Km ean s算法 ; 网页点击率 ; PageR ank算法 ; 网页排序 中图分类号 : TP30 1. 6　　　　文献标识码 : A A New A lgor ithm for Page Rank ing Ba sed on Text C luster ingcluster W eb Page Rank ing CAO J ie,WAN G Zh ij ie (Co llege of Inform ation Science and Technology, Donghua U n iversity, Shanghai 20 1620 , Ch ina) A b stract: Th is p ap er p ropo ses a new algorithm for p age rank ing. The clu stering techn iques are emp loyed to analyze tho se search resu lts, then it rank s all the clu stered texts con sidering the link structu re between W eb p age s, a s well a s its click ratio. It facili tate s u sers to nail down their requ irem en ts through sk imm ing over resu lts list. Key word s:Clu sterR ank; Km ean s algorithm ; p age click ratio; PageR ank algorithm ; W eb p age rank ing (M axim al M arginal R elevance) 标准 。该标准根据语 1　概 　述 义相关性对检索到的文档集进行再排序 ,修正内容上 为了从网上海量的数据中找到用户需要的信息 , 相近的文档的显示次序 ,从而保证再排序后的检索结 搜索引擎允许用户通过关键字查询 W eb 上的信息 。 果既与查询项相关 , 同时文档内容间的冗余度较低 。 搜索引擎把搜索结果按照检索的相关性和资源的重 ChenX iang Zhai等人提出子主题检索技术 [ 2 ] ,它采用 要性进行降序排列 , 并将排序结果提交给用户 。然 统计语言模型计算文档的相关性 ,结合了 MMR 排序 而 ,包含 W eb 关键字的页面数 目通常相当多 ,要让用