资源描述：
《基于关键词相似度的web用户挖掘研究与实现》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于关键词相似度的Web用户挖掘研究与实现ComputerScienceandApplication计算机科学与应用,2013,3,232-238//dx.doi.org/10.12677/csa.2013.34040PublishedOnlineJuly2013(//.hanspub.org/journal/csa.html)TheStudyandImplementationofWebUserMiningSystemBasedontheSimilarityofWords*ChengxiaLiu1,2
2、,FeiyingWu21ComputerSchool,BeijingUniversityofPostsandTelecommunications,Beijing2ComputerSchool,BeijingInformationandTechnologyUniversity,BeijingReceived:May13th,2013;revised:May27th,2013;accepted:Jun.5th,2013Copyright??2013ChengxiaLiu,FeiyingWu.Thisisa
3、nopenaccessarticledistributedundertheCreativeCommonsAttributionLicense,whichpermitsunrestricteduse,distribution,andreproductioninanymedium,providedtheoriginalworkisproperlycited.Abstract:Nowadays,aswebminingisextremelyprevalent,itiseasytocollecthugeamou
4、ntsofdatabuttofigureoutwhichmaterialsareusefultoanalyzeafterde-noisingismoreimportant.Thisarticlediscusseshowtousetheresultofuser’ssearchingkeywordsclusteringasthelabeloftheclientforoperationalanalyststoreferto.Thesimilaritybetweenisolatedwordsiscalcula
5、tedbyturningthewordsemanticdistancebasedonworldknowledgeorclassificationsystem.Thenthesimilaritybetweenclients(keywordsets)isdefinedastheEuclideandistanceofasimilaritymatrixconstitutedbythesimilaritiesbetweenkeywordsetswhichdeterminedbywordfrequencyandw
6、ordweight.The“depmix”packagewhichbasedontheHiddenMarkovModelin“R”softwareisusedastheclusteringalgorithmandtheuserclusteringresultisdisplayedatlastusingtherealdataoftheusersofasearchengine.Keywords:TheSimilarityofWords;TheSimilarityBetweenClients(Keyword
7、Sets);UserClustering基于关键词相似度的Web用户挖掘研究与实现*刘城霞1,2，吴菲滢21北京邮电大学计算机学院，北京2北京信息科技大学计算机学院，北京收稿日期：2013年5月13日；修回日期：2013年5月27日；录用日期：2013年6月5日摘要：在Web挖掘极度盛行的今天，收集大量网络数据已经不是问题，而如何在海量数据中抽取去噪后的有用数据成为要解决的关键问题。本文研究将网站用户的搜索关键词分析聚类，作为用户的兴趣、爱好标签，以供运营分析人员参考。文中根据世界知识或分类体系计算词
8、语语义距离后转化为词语相似度的方法，将词语间距离依据词频、词权重等因子加工计算出关键词集合间相似度矩阵后，用欧式距离表示其关键字集的相似度；之后聚类算法利用现有R软件中开源算法包——基于隐马尔科夫模型的depmix算法包进行的用户聚类算法。最终用某搜索引擎用户的真实数据，经过数据去噪后所得实验数据进行聚类，并于前台展示聚类及用户周边相关结果。关键词：词语相似度；关键词集合相似度；用户聚类1.引言近些年来互联网行业飞速发展，机构、团体和个人越来越多地依赖互
