[发明专利]搜索引擎中包含WEB对象的聚类方法

权利要求书

1.一种搜索引擎中包含WEB对象的聚类方法，其特征在于该方法的步骤如下：

1)根据垂直搜索引擎应用环境，对搜索结果中包含的WEB对象聚类结果高细粒度的要求，选择衡量WEB对象关联度的建模方法，构建一个针对WEB对象的信息检索聚类系统；

2)基于步骤1)中关联度的建模方法，建立一种WEB对象表示特征标志；

3)基于步骤2)中的特征标志，建立衡量词汇信息重要度和WEB对象的相似度；

4)基于步骤3)中定义的词汇信息重要度和相似度，建立一个自适应的记录合并模型，结合词汇的信息分布模型和WEB对象的高相似度联合性；

5)基于步骤1)、步骤2)、步骤3)、步骤4)，在搜索引擎服务系统上建立WEB对象的信息聚类处理系统，实现垂直搜索引擎检索结果。

2.根据权利要求1所述的一种搜索引擎中包含WEB对象的聚类方法，，其特征在于：所述步骤1)的建模方法应将原始的WEB对象文本数据结构化，表示成计算机系统易理解与处理的形式。

3.根据权利要求2所述的一种搜索引擎中包含WEB对象的聚类方法，其特征在于：所述步骤2)中特征标志建立的一个WEB对象实体特征的模型，构建WEB对象应具有以下特点：a)能够重点突出同一类WEB对象之间的关键特征，减少文本差异对聚类结果的影响；b)能够突出不同WEB对象之间的差异和同属性在不同类别下的差异。

4.根据权利要求2所述的一种搜索引擎中包含WEB对象的聚类方法，其特征在于：所述步骤2)中特征标志建立的一种衡量词汇间关联度的建模方法，构建WEB对象应具有以下特点：a)基于树状结构，具有语义的上下层次关系；b)表示各个词汇间的关联性和凝聚性。

5.根据权利要求3所述的一种搜索引擎中包含WEB对象的聚类方法，其特征在于：所述步骤3)应实现现实网络中同一个意义上WEB对象的相似度，提供正确的聚类标准。

6.根据权利要求4所述的一种搜索引擎中包含WEB对象的聚类方法，其特征在于：所述步骤4)中的一个自适应的记录合并模型应利用WEB对象的相似度，词汇间关联度和现实网络的中闭包结构，统一WEB对象的聚类，归并所有统一对象。

7.根据权利要求5所述的一种搜索引擎中包含WEB对象的聚类方法，其特征在于：所述步骤5)的具体实施应满足如下需求：

1)所建立的层次化垂直搜索引擎系统，应满足搜索结果的统一性，确保各个网站上的WEB对象可以准确高效聚类，减少噪音的影响。

2)所建立的层次化垂直搜索引擎系统，应满足服务器端对检索到的WEB对象进行高效的一次聚类。然后根据具体的应用需求，对中间结果进行二次归类合并，得到准确的聚类结果。