信息检索系统的算法库研究.pdfVIP

中文摘要 伴随着万维同的发展，越来越多的人开始以网络进行生活、工作和学习。信 息检索已经构成网络的一个不可或缺的因素。在进行信息检索时，用户希望能够 检索出所有感兴趣的信息，这就需要滤掉不相关的信息，从而获得最有价值的信 息。在这种情形下，Web数据挖掘应运而生。而挖掘算法种类繁多，每种算法 都有其适用的情形。如何选择合适的算法进行数据处理成为人们面临的问题。 本文针对上述问题及挖掘算法应用的普遍性，构建了算法库系统。该系统旨 在为信息检索提供算法支持。我们给出了算法调用和管理的框架。通过映像和元 对象协议实现算法库的核心功能和系统控制功能的分离。这样，可以通过添加新 的元对象来引入新的调用机制，而基本算法保持稳定。从而使系统具有良好的扩 展性。 在算法的选取中，考虑项目所要处理的数据特点，针对当前XML文档结构 聚类算法的一些不足，提出采用段匹配的概念来计算两棵XML文档树中的路径 相似性。在整个聚类过程中，算法还把一组相关文档与一个XML聚类代表相关 联，并给出了聚类代表的计算方法。进而，通过比较聚类代表，发现新的聚类时 更新聚类代表来完成文档的聚类。 在上述工作的基础上，设计和开发了一个图形界面化算法库原型体统来实现 算法的示例调用和管理。 关键词； Web数据挖掘文档聚类文档分类信息检索映像元对象协议 ABSTRACT Withthe ofWorldWide inwhich rapid Web，the acquire development way people has andmore to usefulinformationbeen peoplebegin changingdrastically．More makeuseofWebto and Retrievalhasbecollleall live,workstudy．Information with evitableelementoftheWeb．When informationsearch secxching engine，people wantto themostconcerned meal略of theirrelevant． information get by diminating obtainshouldbemostvaluabletothem．Alltheseresultinthe Moreover,whatthey birthWebData there’他SO of each of and Mining．Whel-easmanytypesalgorithms one toa case．Tochoosethebestoneto databecomesa appliesspecific processing problem． Inthe an library to paper,wedevelopalgorithmssystemprovide