基于WWW的聚類引擎研究.pdf

1、本論文的研究目的是在系統(tǒng)地回顧了萬維網(wǎng)信息檢索、數(shù)據(jù)挖掘、搜索引擎以及聚類的應(yīng)用研究現(xiàn)狀基礎(chǔ)上，總結(jié)目前存在的問題，并提出相應(yīng)的解決方法。特別希望通過聚類方法自動(dòng)組織搜索引擎的搜索方案，便于用戶發(fā)現(xiàn)真正需要的萬維網(wǎng)信息。 本論文主要的研究內(nèi)容和創(chuàng)新工作體現(xiàn)在以下幾點(diǎn)： (1)對(duì)萬維網(wǎng)信息檢索、數(shù)據(jù)挖掘、搜索引擎以及聚類的應(yīng)用研究現(xiàn)狀進(jìn)行分析和概述，進(jìn)而指出基于WWW的聚類引擎研究是一個(gè)新的具有挑戰(zhàn)性的前沿性課題。

2、 (2)研究基于Rough集理論中的差異矩陣，并在引入擴(kuò)充差異矩陣的基礎(chǔ)上，提出了一種基于Rough集理論的不完備數(shù)據(jù)分析方法ROUSTIDA。該方法充分利用Rough集分析方法的優(yōu)點(diǎn)，只需利用信息系統(tǒng)提供的信息，不需要另外附加信息，計(jì)算簡單、直觀。 (3)分析以關(guān)鍵詞組作為自然語言信息特征的優(yōu)點(diǎn)，構(gòu)建利用后綴數(shù)組進(jìn)行關(guān)鍵詞組提取的方法，提出了發(fā)現(xiàn)右完整字符串RCS的算法find_RCS和得到文檔完整子字符串?dāng)?shù)組cs的算法com

3、bine_lcs_rcs，并進(jìn)一步對(duì)所提的算法進(jìn)行分析，最后給出實(shí)例以驗(yàn)證所提算法的正確性與有效性。 (4)介紹遺傳算法的概念、算法結(jié)構(gòu)、運(yùn)算算子及主要存在問題；提出了一種基于遺傳算法的聚類新方法MGA，該方法有兩個(gè)主要優(yōu)點(diǎn)：一是通用性強(qiáng)，可以對(duì)包含數(shù)值屬性和符號(hào)屬性的大數(shù)據(jù)集進(jìn)行聚類；二是提高了數(shù)據(jù)挖掘的效率與質(zhì)量。 (5)構(gòu)建了一個(gè)基于數(shù)據(jù)挖掘的搜索引擎原型系統(tǒng)，它能夠以語義的、在線的、樹型的方式對(duì)搜索引擎的搜索結(jié)果