1、計算機應(yīng)用技術(shù)專業(yè)畢業(yè)論文計算機應(yīng)用技術(shù)專業(yè)畢業(yè)論文[精品論文精品論文]WebWeb搜索引擎的搜索搜索引擎的搜索結(jié)果聚類研究結(jié)果聚類研究關(guān)鍵詞：聚類算法關(guān)鍵詞：聚類算法WebWeb搜索引擎搜索引擎搜索結(jié)果搜索結(jié)果后綴數(shù)組后綴數(shù)組語義標(biāo)引語義標(biāo)引數(shù)據(jù)挖掘數(shù)據(jù)挖掘摘要：隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，Inter成為當(dāng)今世界上最大的信息庫。面對浩如煙海的信息，用戶試圖通過瀏覽Web來發(fā)現(xiàn)信息、檢索信息已經(jīng)越來越困難。搜索引擎是目前人們從W

2、eb上獲取信息的主要工具，但是搜索引擎如Google、百度、雅虎等，返回的搜索結(jié)果缺乏清晰的結(jié)構(gòu)，往往返回一個很長的、混雜相關(guān)信息和無關(guān)信息的搜索結(jié)果列表，用戶不得不對列表中的結(jié)果逐個進(jìn)行驗證以得到所需信息，這給用戶搜索到自己真正需要的信息制造了困難。因此，如何讓用戶更加準(zhǔn)確而快捷地通過搜索引擎找到所需信息，成為一個非常重要而值得研究的課題。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，為解決此問題提供了新的思路。數(shù)據(jù)挖掘旨在抽取數(shù)據(jù)中隱含的、未知的、有用的、非

3、一般的模式或知識。聚類作為數(shù)據(jù)挖掘的基本方法之一，通過比較數(shù)據(jù)的相似性和差異性，能發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在特征及分布規(guī)律，從而獲得對數(shù)據(jù)更深刻的理解與認(rèn)識。使用聚類技術(shù)對搜索結(jié)果進(jìn)行處理，以更合理的方式將搜索結(jié)果返回給用戶，使得用戶能夠方便地得到自己所需的信息。本文在對Web搜索引擎以及數(shù)據(jù)挖掘技術(shù)進(jìn)行研究的基礎(chǔ)上，針對該需求，提出一個在中文語言環(huán)境下、能夠?qū)λ阉鹘Y(jié)果進(jìn)行聚類處理的搜索結(jié)果聚類模型，并對其關(guān)鍵模塊進(jìn)行了實現(xiàn)。這一模型的主要思想是以

4、Web搜索引擎返回的搜索結(jié)果作為輸入數(shù)據(jù)，首先找到具有良好描述性、可讀性的聚類標(biāo)簽，然后將相關(guān)的搜索結(jié)果分配到各個聚類標(biāo)簽下，經(jīng)過后處理將搜索結(jié)果按照聚類類別的方式返回給用戶，使用戶能夠更加便捷地找到所需的信息。在對該模型的設(shè)計中，我們在參考了兩個經(jīng)典的搜索結(jié)果聚類算法SHOC和LINGO的基礎(chǔ)上，充分考慮了中文語言相對于英文語言的特性、對原本針對英文的算法進(jìn)行修改和調(diào)整，從而使得我們的模型能夠在中文語言下得到更好的效果。對于英文語言的

5、特性、對原本針對英文的算法進(jìn)行修改和調(diào)整，從而使得我們的模型能夠在中文語言下得到更好的效果。隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，Inter成為當(dāng)今世界上最大的信息庫。面對浩如煙海的信息，用戶試圖通過瀏覽Web來發(fā)現(xiàn)信息、檢索信息已經(jīng)越來越困難。搜索引擎是目前人們從Web上獲取信息的主要工具，但是搜索引擎如Google、百度、雅虎等，返回的搜索結(jié)果缺乏清晰的結(jié)構(gòu)，往往返回一個很長的、混雜相關(guān)信息和無關(guān)信息的搜索結(jié)果列表，用戶不得不對列表中

6、的結(jié)果逐個進(jìn)行驗證以得到所需信息，這給用戶搜索到自己真正需要的信息制造了困難。因此，如何讓用戶更加準(zhǔn)確而快捷地通過搜索引擎找到所需信息，成為一個非常重要而值得研究的課題。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，為解決此問題提供了新的思路。數(shù)據(jù)挖掘旨在抽取數(shù)據(jù)中隱含的、未知的、有用的、非一般的模式或知識。聚類作為數(shù)據(jù)挖掘的基本方法之一，通過比較數(shù)據(jù)的相似性和差異性，能發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在特征及分布規(guī)律，從而獲得對數(shù)據(jù)更深刻的理解與認(rèn)識。使用聚類技術(shù)對搜索結(jié)果進(jìn)行處

7、理，以更合理的方式將搜索結(jié)果返回給用戶，使得用戶能夠方便地得到自己所需的信息。本文在對Web搜索引擎以及數(shù)據(jù)挖掘技術(shù)進(jìn)行研究的基礎(chǔ)上，針對該需求，提出一個在中文語言環(huán)境下、能夠?qū)λ阉鹘Y(jié)果進(jìn)行聚類處理的搜索結(jié)果聚類模型，并對其關(guān)鍵模塊進(jìn)行了實現(xiàn)。這一模型的主要思想是以Web搜索引擎返回的搜索結(jié)果作為輸入數(shù)據(jù)，首先找到具有良好描述性、可讀性的聚類標(biāo)簽，然后將相關(guān)的搜索結(jié)果分配到各個聚類標(biāo)簽下，經(jīng)過后處理將搜索結(jié)果按照聚類類別的方式返回給用戶

8、，使用戶能夠更加便捷地找到所需的信息。在對該模型的設(shè)計中，我們在參考了兩個經(jīng)典的搜索結(jié)果聚類算法SHOC和LINGO的基礎(chǔ)上，充分考慮了中文語言相對于英文語言的特性、對原本針對英文的算法進(jìn)行修改和調(diào)整，從而使得我們的模型能夠在中文語言下得到更好的效果。隨著計算機技術(shù)和網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，Inter成為當(dāng)今世界上最大的信息庫。面對浩如煙海的信息，用戶試圖通過瀏覽Web來發(fā)現(xiàn)信息、檢索信息已經(jīng)越來越困難。搜索引擎是目前人們從Web上獲取信息

9、的主要工具，但是搜索引擎如Google、百度、雅虎等，返回的搜索結(jié)果缺乏清晰的結(jié)構(gòu)，往往返回一個很長的、混雜相關(guān)信息和無關(guān)信息的搜索結(jié)果列表，用戶不得不對列表中的結(jié)果逐個進(jìn)行驗證以得到所需信息，這給用戶搜索到自己真正需要的信息制造了困難。因此，如何讓用戶更加準(zhǔn)確而快捷地通過搜索引擎找到所需信息，成為一個非常重要而值得研究的課題。數(shù)據(jù)挖掘技術(shù)的出現(xiàn)，為解決此問題提供了新的思路。數(shù)據(jù)挖掘旨在抽取數(shù)據(jù)中隱含的、未知的、有用的、非一般的模式或知

10、識。聚類作為數(shù)據(jù)挖掘的基本方法之一，通過比較數(shù)據(jù)的相似性和差異性，能發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在特征及分布規(guī)律，從而獲得對數(shù)據(jù)更深刻的理解與認(rèn)識。使用聚類技術(shù)對搜索結(jié)果進(jìn)行處理，以更合理的方式將搜索結(jié)果返回給用戶，使得用戶能夠方便地得到自己所需的信息。本文在對Web搜索引擎以及數(shù)據(jù)挖掘技術(shù)進(jìn)行研究的基礎(chǔ)上，針對該需求，提出一個在中文語言環(huán)境下、能夠?qū)λ阉鹘Y(jié)果進(jìn)行聚類處理的搜索結(jié)果聚類模型，并對其關(guān)鍵模塊進(jìn)行了實現(xiàn)。這一模型的主要思想是以Web搜索引擎