一种基于层次思想的搜索日志聚类算法

《一种基于层次思想的搜索日志聚类算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据中图分类号：UDC：学校代码：10055密级：公开高蕊犬淫硕士专业学位论文一种基于层次思想的搜索日志聚类算法ASearchLogClusteringAlgorithmBasedontheIdeaofHierarchy南开大学研究生院二。一四年五月万方数据南开大学学位论文使用授权书根据《南开大学关于研究生学位论文收藏和利用管理办法》，我校的博士、硕士学位获得者均须向南开大学提交本人的学位论文纸质本及相应电子版。本人完全了解南开大学有关研究生学位论文收藏和利用的管理规定。南开大学拥有在《著作权法》规定范围内的学位论文使用权

2、，即：(1)学位获得者必须按规定提交学位论文(包括纸质印刷本及电子版)，学校可以采用影印、缩印或其他复制手段保存研究生学位论文，并编入《南开大学博硕士学位论文全文数据库》；(2)为教学和科研目的，学校可以将公开的学位论文作为资料在图书馆等场所提供校内师生阅读，在校园网上提供论文目录检索、文摘以及论文全文浏览、下载等免费信息服务；(3)根据教育部有关规定，南开大学向教育部指定单位提交公开的学位论文；(4)学位论文作者授权学校向中国科技信息研究所及其万方数据电子出版社和中国学术期刊(光盘)电子出版社提交规定范围的学位论文及其电子版

3、并收入相应学位论文数据库，通过其相关网站对外进行信息服务。同时本人保留在其他媒体发表论文的权利。非公开学位论文，保密期限内不向外提交和提供服务，解密后提交和服务同公开论文。论文电子版提交至校图书馆网站：http：／／202．113．20．161：8001／index．htm。本人承诺：本人的学位论文是在南开大学学习期间创作完成的作品，并已通过论文答辩；提交的学位论文电子版与纸质本论文的内容一致，如因不同造成不良后果由本人自负。本人同意遵守上述规定。本授权书签署一式两份，由研究生院和图书馆留存。作者暨授权人签字：箧挝是2014年

4、5月29日南开大学研究生学位论文作者信息论文题目一种基于层次思想的搜索日志聚类算法姓名侯树异学号2120120432答辩日期2014年5月20日论文类别博士口学历硕士口硕士专业学位囹高校教师口同等学力硕士口院／系／所计算机与控制工程学院专业计算机技术联系电话18920321700Emailhss_130@126．corn通信地址(mg编)：天津市南开区卫津路94号南开大学伯苓楼东区303(300071)备注：无是否批准为非公开论文否注：本授权书适用我校授予的所有博士、硕士的学位论文。由作者填写(一式两份)签字后交校图书馆，非公

5、开学位论文须附《南开大学研究生申请非公开学位论文审批表》。万方数据南开大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师指导下进行研究工作所取得的研究成果。除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人创作的、已公开发表或者没有公开发表的作品的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均己在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：送挝昱2014年5月29日非公开学位论文标注说明(本页表中填写内容须打印)根据南开大学有关规定，非公开学位论文须经

6、指导教师同意、作者本人申请和相关部门批准方能标注。未经批准的均为公开学位论文，公开学位论文本说明为空白。论文题目申请密级口限制(≤2年)口秘密(≤10年)口机密(≤20年)保密期限20年月日至20年月日审批表编号批准日期20年月日南开大学学位评定委员会办公室盖章(有效)注：限制★2年(可少于2年)：秘密★10年(可少于10年)：机密★20年(可少于20年)万方数据摘要随着搜索引擎技术的发展和网络数据的膨胀，搜索引擎已经成为人们进入互联网海量数据空间的首要入口。每天搜索引擎都会接收到大量用户搜索请求并且将用户的搜索请求详情保存下

7、来，成为搜索日志。怎样从海量的搜索引擎日志中挖掘出有意义的知识，是目前工业界和学术界研究的一个热点。搜索结果的聚类能够帮助用户更容易的获得所需的内容，帮助研究人员对搜索日志进行初步分析。搜索日志一般为短文本，文本字数较少，使得文本的聚类结果更容易受到无意义词语的干扰，降低准确性。一般方法只是根据词语词性，剔除某些无意义词性的词语，例如助词、状词等。本文首先针对已有搜索日志数据特点，使用了一种词语筛选方法对无意义词语进行了剔除。通过仔细分析整个短文本集的特点，制定词语剔除规则。最后从筛选原理、实验结果两个方面说明该方法的有效性。

8、由于搜索日志数据量巨大，且在聚类前无法获知聚类个数，使得很多常用聚类算法如k-means、层次聚类算法AGNES等不适合搜索日志的聚类。本文针对搜索日志聚类的难点，提出了一种基于层次思想的聚类算法，称为“顺序聚类算法”。该算法在时间复杂度、聚类可靠性、输入参数等方面取得综合性