PageCluster：一种Web 页面层次聚类方法

《PageCluster：一种Web 页面层次聚类方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、"!!!!!!!!!!!!!!!!!!!!!!"!·!"开!放!式!集!群!计!算!、网!格!计!算!、!’(!)!服!务与!中!间!件!技!术!·!"!"#$%&’()$*：一种+$,页面层次聚类方法吴萍&，!宋瀚涛&姜峰!（&北京理工大学计算机科学工程系，北京&"""O&）（!兰州理工大学电气工程与信息工程学院，兰州LV""-"）S/01>9：*@I>2AW)><$(;@$:2摘要提出了’()页面聚类算法T1A(79@3<(=及相应的改进算法50T1A(79@3<(=。该方法在兼顾’()站点结构和页面链接的同时，基

2、于各个页面的重要程度对各个超链接进行赋权。与传统聚类算法相比，该算法不需要事先给定相似度阈值。实验结果证实了该算法的可行性和高效性。关键词聚类’()页面超链接相似矩阵T1A(79@3<(=50T1A(79@3<(=文章编号&""!/OVV&/（!""#）!%/""O#/"V文献标识码F中图分类号MT&O!!"#$%&’()$*：-.$)/0102+$,!"#$34$*"*5/45"&%&’()$*46#+’!46#7，8906#3"6)"07:4"6#;$6#8（&E:BJJ9JK52KJ=01<>J2E:>(2:(1

3、2;M(:B2J9JAH，4(>X>2A523<><@<(JKM(:B2J9JAH，4(>X>2A&"""O&）（!7J99(A(JKS9(:<=>:1912;52KJ=01<>J2S2A>2((=>2A，P12YBJ@R2>?(=3>2A19AJ=>0I=J?(;19AJ=>3I=JIJ3(;$MB(3(0(

4、2U3，)@<193J0IJ=<12:(JK(1:BI1A(*B>:B>3;(3:=>)(;13>2/*(>AB<12;J@AB<>2<>J219:9@3<(=>2A0(?(20>91=>0(2<19=(3@9<33BJ*

5、1<)9(12;B>AB/(KK>:>(2<$<$=>0*1(：:9@3<(=>2A，’()I1A(，BHI(=9>2U，3>0>91=>[，T1A(79@3<(=，50T1A(79@3<(=&引言定阈值，而阈值给定的合适与否直接影响到最终的聚类结果。互联网已经成为一个巨大的、分布式、全球信息服务中心。该文提出了一种’()页面聚类方法，该方法在兼顾’()如何为用户快速、高效、准确地提供他们所需要的，并具有高度站点结构和页面之间链路的同时，考虑页面的重要程度对各

6、条相关性的一簇’()页面，已经成为业界研究的主要内容。解决链接进行赋权（包括页面的入权和出权）。实验证明，与传统聚这个问题的一个有效途径就是对页面进行合理的聚类分析，从类算法相比，该算法具有较高的准确性。而更高效地进行’()信息的分类，存储，检索和集成。然而，若要真正实现高效的*()页面聚类，就必须要找出’()组织结!数据准备构以及’()页面之间的内部链接关系，特别是页面之间的相!$&页面收集似性更是尤为重要。同时，每个页面的重要程度、页面内容以及首先要对’()中的超链接进行“剪枝”处理。主要是除去页面的访问情况也是非

7、常重要的信息。图像、音频、视频、7N5程序、电子邮件等链接以及除去导航目前，很多研究中引入链接关系进行’()页面的聚类，但链接。其中大多数仅仅考虑了页面之间的直接链接，例如文献+#,和利用T1A(612U方法从结果中取出前!个数据，产生出算+-,。现在用于数据挖掘中的聚类分析，主要有以下几种方法，如法所需要的’()页面原始数据集"。./0(123，45678（41912:(;5<(=1<>?(6(;@:>2A12;79@3<(=>2A!$!前向页面集、后向页面集和页源@3>2A8>(=1=:B>(3）+C,，D4E7F

8、G（D(23>1979@3<(=>2A任意页面#!"，#和#$的域名不相同。若存在#指向#$的JKFII9>:1<>J2*>3(）+L,，EM5GN（EM1<>3<>:195GKJ=01<>J2链接，则所有满足#$条件的页面构成"的前向页面集%&’。若N=>;）+O,，以及7P5QRS（7P@3<