[发明专利]基于聚类/分类和时间的簇页面排名设备和方法

说明书

技术领域

本发明涉及趋势分析及文档排名优化，更具体地说，本发明涉及能够找到一特定领域的子领域并分析和发现这些子领域的趋势的基于聚类/分类和时间的簇页面排名设备和方法。

背景技术

在趋势分析和文档排名优化的领域中，参考文件1(US20050234877A1，“System and method for searching using a temporal dimension”)公开了对查询结果进行时间上排序，排序时考虑每个结果文档的作者权威和出版社权威。其中，基于时间的排名使用了基于文档出版时间和现在的时间差的老化函数以及一个会使得发表时间越久文档值降低越快的比率。但是，该方案只是计算单文档的基于时间的页面排名值并预测其趋势，并用于预测单文档趋势。

参考文件2(US20080071763A1，“Dynamic updating of display and ranking for search results”，EMC CORP)公开了重新对搜索排序，其采用了页面排名值来对搜索结果的第一部分进行排序，用聚类方法往第一部分结果中插入搜索结果的第二部分。

参考文件3(US20070143300A1，“System and method for monitoring evolution over time of temporal content”，ASK JEEVES INC)公开了根据用户输入的查询语句，收到和存储基于时间的内容，分析实体出现以确定基于时间的内容趋势。

参考文件4(US20060089924A1，“Document categorisation system”)公开了一个文档分类系统，包括一个聚类器和一个过滤模块。系统包括一个用于确定文档分类随时间的变化趋势和确定新簇的趋势分析器，此系统可用于电子数据表应用的嵌入模块。

另外，在参考文件5(Hassan Sayyadi，Lise Getoory；“FutureRank：Ranking Scientific Articles by Predicting their Future PageRank”，Society for Industrial and Applied Mathematics(SIAM)Data Mining Conference(SDM 2009))中，其方法将引用，作者和出版时间结合在一起有效地对科学文章进行排序并预测文章的未来趋势，但是此方法不涉及分类和聚类方法，对搜索结果的页面排名值上增加与时间相关的值，并且仅用于预测单文档趋势。

另外，现有技术中还存在以下的一些系统，其中CiteSpace是一个将趋势可视化系统。但此系统只考虑了作者间的合作关系，并没有对未来趋势进行预测。

ThemeRiver是一个趋势、模式判别系统。但它没考虑网络的上下文，也没对未来数据进行预测，只有对历史数据的统计。

而Google trend分析Google网页搜索用于计算用户使用词的次数。因为没考虑用户的权威性，所以使用词的次数多并不代表它就是权威的。

综上所述，在现有方法中，用户首先根据给定领域搜索相关文档，然后只是简单计算已知子领域的文档数目或人工总结文档内容、分析时间并预测趋势。计算文档数目不能揭示文档的内容关系，而人工分析方法又耗时又不客观。

发明内容

因此，本发明的目的是解决上述现有技术中的缺点，从而对于一给定领域，找到正出现的子领域并预测这些子领域的趋势。

为了解决现有技术中的问题，本专利提出了基于聚类/分类的时间的簇页面排名设备和方法。其能够自动发现子领域并采用基于时间的链接关系来客观地计算子领域的相对重要性，即趋势。