資源描述：
《基于中文檢索的web聚類算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、分類號：TP391單位代碼：10190研究生學號：201307012密級：無碩士學位論文基于中文檢索的Web聚類算法研究ResearchonWebClusteringAlgorithmBasedonChineseRetrieval研究生姓名：田世元專業(yè)：計算機科學與技術(shù)指導教師姓名：趙輝指導教師職稱：副教授2016年4月碩士學位論文長春工業(yè)大學碩士學位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的碩士學位論文，《基于中文檢索的Web聚類算法研究》是本人在指導教師的指導下，獨立進行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含
2、任何其他個人或集體已經(jīng)發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體，均已在文中以明確方式標明。本人完全意識到本聲明的法律結(jié)果由本人承擔。作者簽名：年月日長春工業(yè)大學碩士學位論文版權(quán)使用授權(quán)書本學位論文作者及指導教師完全了解“長春工業(yè)大學碩士學位論文版權(quán)使用規(guī)定”，同意長春工業(yè)大學保留并向國家有關(guān)部門或機構(gòu)送交學位論文的復印件和電子版，允許論文被查閱和借閱。本人授權(quán)長春工業(yè)大學可以將本學位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，也可采用影印、縮印或掃描等復制手段保存和匯編學位論文。作者簽名：年月日校內(nèi)指導教師簽名
3、：年月日碩士學位論文摘要隨著大數(shù)據(jù)時代的到來，用戶對信息搜索的精確度和效率提出了更高要求，而傳統(tǒng)的搜索引擎存在著一定的不足。聚類檢索是對搜索引擎的返回結(jié)果聚類，然后將提取的標簽和類簇呈現(xiàn)給用戶。用戶根據(jù)標簽就可以直觀地獲取檢索結(jié)果的總體信息，能夠迅速定位自己想要查找的內(nèi)容，提高了用戶的查詢效率。Carrot2是一個開源的聚類搜索引擎系統(tǒng)，它采用的聚類算法在Web檢索聚類方面有很強的代表性。文章選取Carrot2采用的K-means和Lingo算法進行了深入研究，并針對算法的不足及存在問題做了一定的改進。K-means是經(jīng)典的劃分聚
4、類算法，其具有簡單易懂、運行速度快的優(yōu)點，然而也存在著一些不足，如K值的確定、初始聚類中心的選取、易受噪音點和孤立點的影響等多個方面。文章首先結(jié)合Web檢索結(jié)果的特點確定了K值并選出初始聚類中心，然后用權(quán)重法代替平均法降低了噪聲數(shù)據(jù)的影響。在經(jīng)過多次試驗后，又發(fā)現(xiàn)文檔的合理歸類問題。文章根據(jù)Web檢索結(jié)果的排名特點，改進了權(quán)值計算公式，使文檔歸入排名靠前的類簇中。如“華為”的檢索結(jié)果中，將文檔“華為手機大全”放入“手機”和“大全”的類簇中都不為錯，但歸入“手機”的類簇中顯然更加合適。Lingo算法是基于潛在語義索引的聚類算法。本文
5、分析了Lingo算法中影響聚類效果的因素，通過引入位置信息和詞長信息對其權(quán)值計算公式進行了改進，以提高聚類的準確率。實驗表明，改進后的K-means算法解決了硬聚類算法的文檔合理歸類問題，而且具有良好的聚類效果，標簽的可讀性也較高。改進的Lingo算法的準確率也有了較大提高。關(guān)鍵詞：Web檢索聚類K-meansLingo特征權(quán)值I碩士學位論文AbstractWiththeadventoftheeraofbigdata,usersputforwardhigherrequirementsoninformationsearchingac
6、curacyandefficiency,butthetraditionalsearchenginehassomedrawbacks.Clusteringsearchisthesearchenginereturnstheresultofclustering,andthenextractthelabelandclassclusterispresentedtotheuser.Accordingtothelabel,theusercanobtaintheoverallinformationoftheretrievalresultdirec
7、tly,andthenquicklylocatetheinformationofinterest,whichcanimprovetheefficiencyofthequery.Carrot2isanopensourceclusteringsearchenginesystem,whichusesclusteringalgorithmhasastrongrepresentationintheWebRetrievalClustering.Inthispaper,theK-meansandLingoalgorithmsusedinCarr
8、ot2aredeeplystudied,andsomeimprovementsaremade.ThispaperselectsK-meansalgorithmandLingoCarrot2usedtostudyandmakesomeimprovem
