基于Web页面链接和标签的聚类方法  

Clustering web pages based on their links and tags

作　　者：李元俊[1] 陈俊杰[1] 赵涓涓[1] 

机构地区：[1]太原理工大学计算机与软件学院,山西太原030024

出　　处：《计算机工程与设计》2009年第18期4266-4268,4271,共4页Computer Engineering and Design

基　　金：国家自然科学基金项目(60773004);山西省自然科学基金项目(2007011050);山西省自然科学基金项目(2006011030)

摘　　要：针对目前Web聚类效率和准确率不高的问题,提出一种基于Web页面链接结构和标签信息的聚类方法CWPBLT(clustering web pages based on their links and tags),它是通过分析Web页面中的链接结构和重要标签信息来比较页面之间的相似度,从而对Web站点中的Web页面进行聚类,聚类过程同时兼顾了Web页面结构和页面标签提供的内容信息。实验结果表明,该方法有效地提高了聚类的时间效率和准确性,是对以往仅基于页面主题内容或页面结构聚类方法的改进。CWPBLT （clustering web pages based on their link and tags） compares similarity degrees among web pages by analyzing their link structures and critical tag information. By this comparison the web pages from each web site will be clustered. This clustering process takes into consideration of both web page＇ s structure and the information provided by its tags. And this is a progress from the former clustering which was only based on the content or the structure of each web page. The results prove that it effectively improve the time effciency and accuracy of clustering.

关 键 词：聚类 WEB挖掘 分装器 最小描述长度 链接结构 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]