[论文解读] Web Pages Clustering: A New Approach

H E Jeevan, P P Prashanth+2 more|arXiv (Cornell University)|Aug 26, 2011

Data Mining Algorithms and Applications参考文献 15被引用 3

一句话总结

本文提出了一种新颖的网页聚类方法，利用标准化词典解决词汇歧义问题，提升上下文感知的聚类效果。通过将基于词典的上下文分析与元搜索引擎相结合，该方法提高了搜索效率和结果相关性，尤其在处理多义关键词方面表现突出。

ABSTRACT

The rapid growth of web has resulted in vast volume of information. Information availability at a rapid speed to the user is vital. English language (or any for that matter) has lot of ambiguity in the usage of words. So there is no guarantee that a keyword based search engine will provide the required results. This paper introduces the use of dictionary (standardised) to obtain the context with which a keyword is used and in turn cluster the results based on this context. These ideas can be merged with a metasearch engine to enhance the search efficiency.

研究动机与目标

• 解决基于关键词的网页搜索中的词汇歧义问题，即同一词语可能具有多种含义。
• 通过整合来自标准化词典的上下文语义，提升搜索结果的相关性。
• 通过基于上下文的网页聚类，提升元搜索引擎的效率与准确性。
• 通过基于语义上下文而非关键词频率的分组方式，减少用户筛选无关结果的负担。

提出的方法

• 该方法利用标准化词典确定搜索查询中关键词的语义上下文。
• 分析网页中关键词的使用方式，基于词典定义识别其上下文含义。
• 通过词典导出的语义特征计算网页之间的上下文相似性，实现更精确的聚类。
• 该方法与现有元搜索引擎集成，实现基于语义上下文而非句法相似性的结果分组。
• 使用基于词典条目导出的上下文感知词权重增强的向量空间模型进行聚类。
• 系统根据词典确定的查询词主要含义，动态调整聚类结果。

实验结果

研究问题

• RQ1 如何有效解决网页搜索中的词汇歧义，以提升结果聚类质量？
• RQ2 使用标准化词典在多大程度上提升了网页聚类的语义准确性？
• RQ3 上下文感知聚类能否提升元搜索引擎在检索相关结果方面的性能？
• RQ4 与传统的基于关键词的聚类相比，基于词典的上下文分析在结果精确度方面表现如何？

主要发现

• 所提出的方法通过基于词典的上下文分析解决关键词的多义性，显著提升了聚类准确性。
• 实验结果表明，上下文感知聚类相比传统基于关键词的聚类，能显著减少无关结果的分组。
• 与元搜索引擎的集成使得相关结果聚类能够更快被识别，从而提升用户搜索效率。
• 使用标准化词典可实现在多样化网页内容中一致且可复现的语义解释。