1、隨著Web的不斷發(fā)展和數(shù)據(jù)量的增加，Web用戶越來(lái)越依靠搜索引擎來(lái)檢索信息。搜索引擎用戶的行為分析表明不僅需要對(duì)結(jié)果進(jìn)行排序，也需要為用戶構(gòu)造新查詢提供幫助和提示。Web社區(qū)可以為組織之間的合作和交流提供一個(gè)環(huán)境，針對(duì)社區(qū)建立的搜索引擎可以提高社區(qū)用戶檢索信息的效率。本文的主要工作是利用文本聚類(lèi)重新組織搜索結(jié)果以提高Web社區(qū)信息檢索效率，并且利用聚類(lèi)驗(yàn)證評(píng)估了文本聚類(lèi)算法的性能。 論文在研究Web搜索引擎現(xiàn)有技術(shù)的基礎(chǔ)上，分析

2、了Web社區(qū)網(wǎng)站內(nèi)容的特點(diǎn)，指出只對(duì)結(jié)果進(jìn)行排序的搜索技術(shù)在搜索結(jié)果較多的情況下不足以提供高效的檢索?？紤]到Web社區(qū)網(wǎng)站內(nèi)容存在初步的分類(lèi)體系和具有自組織的特點(diǎn)，利用文本聚類(lèi)的方法對(duì)搜索結(jié)果進(jìn)行重新組織，能夠提高搜索結(jié)果的瀏覽效率，并且能夠?yàn)閃eb用戶構(gòu)造新查詢提供幫助和提示。 在研究文本聚類(lèi)的一般過(guò)程的基礎(chǔ)上，論文深入分析了層次式，K-平均，基于蟻群智能和后綴樹(shù)四種典型的聚類(lèi)算法，提出用聚類(lèi)驗(yàn)證評(píng)估文本聚類(lèi)算法性能。分析了聚

3、類(lèi)驗(yàn)證的外部標(biāo)準(zhǔn)、內(nèi)部標(biāo)準(zhǔn)和基于信息熵標(biāo)準(zhǔn)，選擇外部測(cè)試標(biāo)準(zhǔn)，利用標(biāo)準(zhǔn)的分類(lèi)測(cè)試集合Reuters-21578文本集合對(duì)K-平均、基于蟻群智能和后綴樹(shù)聚類(lèi)算法進(jìn)行了聚類(lèi)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明后綴樹(shù)聚類(lèi)算法由于在特征選擇方面充分的考慮了文本特性，引入短語(yǔ)特征而產(chǎn)生了較好的效果。 論文工作基于Web抓取器、Lucene全文索引部件構(gòu)建了國(guó)家重點(diǎn)實(shí)驗(yàn)室(Chinalab)社區(qū)的搜索引擎系統(tǒng)，并且實(shí)現(xiàn)了按搜索結(jié)果出現(xiàn)位置分組的功能。對(duì)Chi