预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共94页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

网络信息收集、索引与信息检索、聚类AgendaWebCrawler是。。。Agenda怎样搜集?Agenda系统框图CoreAlgorithmsIAgendaAMoreCompleteCorrectAlgorithm还存在什么问题呢?URL不唯一性“同义”地址对URL进行规格化RobotexclusionservertrapsWebCrawlerneed…DistributedCrawling任务划分问题23还有很多很多问题AgendaDocumentCollectionUserInformationNeedHowtodoit?IncidenceVectorRetrievalLet’sbuildasearchsystem!AgendaInvertedindexInvertedindexconstruction输入:<Modifiedtoken,DocumentID>元组序列.Sortbyterms.合并一个文档中的多次出现,添加term的Frequency信息.结果split为一个Dictionary文件和一个Postings文件.AgendaBooleanQueryprocessing34Booleanqueries:ExactmatchBeyondBooleantermsearchAgendaBeyondBooleanSearchScoring:density-basedTermfrequencyvectorsProblemofTFscoringDiscriminationoftermstfxidftermweightsAgendaIntuitionCosinesimilarityExampleNotesonIndexStructureThusfar文本聚类硬聚类和软聚类文本聚类的流程提纲主要聚类算法介绍基于划分的聚类k-平均K-均值举例K-均值算法K-meansconvergencetoalocalminimum—FromWikipediaDeterminingthenumberofclustersinadataset变种:K-medoidsK-means的改进K-近邻算法基于层次的聚类基于层次的聚类广泛采用的类间距离:广泛采用的类间距离:广泛采用的类间距离:广泛采用的类间距离:基于层次的聚类提纲聚类的质量评价纯度F值F值问题邀请话题作业