基于最近邻聚类的INTERNET信息检索系统.pdfVIP

网络与信息安全 信息技术与信息化 基于最近邻聚类的!#$%$# 信息检索系统 !’()*+,-( %.,)-./+0 123,.* ’() !,.)., 4+3.5 ( .+).3, .-674() 8 90:3,.)-6 $ 葛润霞 ; 刘培玉 ! #$% 8 ’(; )* + ,-’ 8 .$ 摘; 要 ; 随着网络的不断普及和发展，!,.)., 为用户提供了一个极有价值的信息源。如何能够快速、准确的检索 出用户感兴趣的信息，已经成为当前研究的热点。本文分析了 算法和聚类方法，指出了其中的不 足并在此基础上提出了一种改进算法。该算法将聚类方法和 算法的优点结合起来，从而达到缩减 了训练样本数量，减少了算法计算量，加快检索速度的目的。 关键词 ; 8 元最近邻居; 聚类算法; 向量空间模型; 信息检索 ; ; !#$%’$; !,.)., -3 *(). +5 *(). =-5.02 :3.5 ，=7-97 )(/-5. + /+0:+40. -’()*+,-( ).3(:)9. ’() :3.)3? @(= ).,)-./. ,7. -’()*+,-( :3.)3 ).’.). )+-502 +5 +99:)+,.02 4.9(*. ,7. ’(9:3 (=+5+23? .+).3, .-674() +5 90:3,.)-6 4.-6 ++023-A.5，(-, (:, 5.*.)-,3 - .B-3,.9. ，+5 4+3.5 ( ,7.3. ).3., + -*)(/-6 +06(C )-,7*? #7-3 +06()-,7* 9(*4-. +5/+,+6.3 (’ +5 D0:3,.)-6 ，5.9).+3-6 ,)+--6 3+*0.3 +5 E:+,-,2 (’ +0C 6()-,7* 9+09:0+,-6 ，+5 -9).+3-6 ,7. 3..5 (’ ).,)-./+0? ()*+,%-#; 8 .+).3, .-674(); D0:3,.)-6; F.9,() 3+9. *(5.0; !’()*+,-( ).,)-./+0 个经典的基于统计的方法。在四十年的时间里，一直是模式 I; 引言 识别领域研究的对象，是模式识别非参数法中最重要的方法 近年来，随着因特网不断普及和发展，信息技术已经渗 之一。N 近邻法是最近邻法的一个推广，当N 取J 时就是最 透到我们社会生活的每个角落，影响着每一个人的工作学习 邻近法。 强调最近点的重要性，而N 则从整体考虑， 和生活。因特网上的在线信息不断增长，我们已经进入了一 是一种更为普遍的方法，理论认为它的错误率比 低。但 个“信息爆炸”的时代。信息领域是一个充满活力、具有强劲 是如果训练样本太大，那算法的计算量就会很大。因为其分 生命力的领域。面对海量的信息，信息检索成为愈来愈重要 类速度的局限性，该算法不适用于分类速度要求较高的文本 的研究方向。!#$%$# 信息检索能够帮助用户找到自己 分类。 感兴趣的内容，而且信息检索是信息过滤研究的基础，其中 聚类的基本思想［H ］是将相似的文档聚合在一起形成类， 的关键技术已经为信息过滤系统的研究奠定了基础。 该方法基于聚类假设（D0:3,.) @2(,7.3-3 ）：紧密关联的文档 信息检索的技术有很多。传统的文本检索：全文扫描 与相同查询要求有关。通过将相似文档聚类可以加速检索 （’:00 ,.B, 39+-6 ）、倒排文件（-/.)3-( ）、签名