基于概念模型的个性化搜索引擎研究

总第２９３期　２０１４年第３期　计算机与数字工程　Ｃｏｍｐｕｔｅｒ＆Ｄｉｇｉｔａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｖｏ１．４２　Ｎｏ．３　４７５　基于概念模型的个性化搜索引擎研究　冉令帅马恩穹　南京２１００９４）　（南京理工大学计算机科学与技术学院摘要在对用户兴趣模型探讨的基础上，提出了一种基于概念的用户兴趣模型，用于区别用户兴趣的大小。讨论了基　于链接的查询聚类算法，并针对该算法的不足提出了一种基于概念的聚类算法，该算法根据用户兴趣模型建立查询一概念二分　图，然后计算图中查询顶点间的概念相似度，并将概念相似度最高的查询顶点进行合并以实现聚类。设计实现了一个基于　Ｗｅｂ数据挖掘的个性化搜索引擎系统，对系统的个性化查询进行了测试，并对比分析了链接聚类和概念聚类的实验结果。　关键词概念模型；搜索引擎；个性化　中图分类号ＴＰ３９１　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ１６７２—９７２２．２０１４．０３．０２９　Ｐｅｒｓｏｎａｌｉｚｅｄ　Ｓｅａｒｃｈ　Ｅｎｇｉｎｅ　Ｂａｓｅｄ　ｏｎ　Ｃｏｎｃｅｐｔｕａｌ　Ｍｏｄｅｌ　ＲＡＮ　Ｌｉｎｇｓｈｕａｉ　ＭＡ　Ｅｎｑｉｏｎｇ　（Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎ）ｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｎａｎ）ｉｎｇ　２１００９４）　Ａｂｓｔｒａｃｔ　Ｂａｓｅｄ　ｏｎ　ｄｉｓｃｕｓｓｉｏｎ　ｏｆ　ｕｓｅｒ　ｉｎｔｅｒｅｓｔ　ｍｏｄｅ１．ａ　ｎｅｗ　ｕｓｅｒ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｃｏｎｃｅｐｔ　ｉｓ　ｐｒｏｐｏｓｅｄ　ｔＯ　ｄｉｓｔｉｎｇｕｉｓｈ　ｔｈｅ　ｕｓｅｒ’Ｓ　ｉｎｔｅｒｅｓｔ．　ｅｎ　ａ　ｑｕｅｒｙ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｈｙｐｅｒｌｉｎｋ　ｉｓ　ｄｉｓｃｕｓｓｅｄ　ｉｎ　ｄｅｔａｉｌ．Ｆｏｒ　ｔｈｅ　ｐｒｏｂｌｅｍ　ｏｆ　ｈｙｐｅｒｌｉｎｋ　ｑｕｅｒｙ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ，ａ　Ｄｅｗ　ｑｕｅｒｙ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｃｏｎｃｅｐｔ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｉｎ　ｔｈｉｓ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ，ｑｕｅｒｙ－ｃｏｎｃｅｐｔ　ｂｉｐａｒｔｉｔｅ　ｇｒａｐｈ　ａｒｅ　ｃｒｅａｔｅｄ　ｔｈｒｏｕｇｈ　ｕｓｅｒ　ｍｏｄｅｌ，ａｎｄ　ｔｈｅｎ　ｔｈｅ　ｓｉｍｉｌａｒｉｔｙ　ｂｅｔｗｅｅｎ　ｑｕｅｒｙ　ｖｅｒｔｅｘ　ａｎｄ　ｃｏｎｃｅｐｔ　ｖｅｒｔｅｘ　ｉｓ　ｃａｌｃｕｌａｔｄｅ，ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｉｔｅｒａ—　ｔｉｖｅ　ｕｎｔｉｌ　ｔｈｅ　ｍａｘ　ｓｉｍｉｌａｒｉｔｙ　ｍｅｅｔｓ　ｃｅｒｔａｉｎ　ｏｃｎｄｉｔｉｏｎ．Ａ　ｐｅｒｓｏｎａｌｉｚｅｄ　ｓｅａｒｃｈ　ｅｎｇｉｎｅ　ｂａｓｅｄ　ｏｎⅥ　ｂ　ｄａｔａ　ｍｉｎｉｎｇ　ｉｓ　ｄｅｓｉｇｎｅｄ　ａｎｄ　ｉｍｐｌｅ—　ｍｅｎｔｅｄ　ｔｏ　ｅｖａｌｕａｔｅ　ｔｈｅ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｃｏｎｃｅｐｔ　ｑｕｅｒｙ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ，ａｎｄ　ａｎ　ｅｘｐｅｒｉｍｅｎｔ　ｉｓ　ｃｏｎｄｕｃｔｅｄ　ｔＯ　ｃｏｍｐａｒｅ　ｗｉｔｈ　ｌｉｎｋ　ｑｕｅｒｙ　ｃｌｕｓｔｅｒｉｎｇ　ａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔ　ｓｈｏｗｓ　ｔｈｅ　ｐｒｅｃｉｓｉｏｎ　ａｎｄ　ｒｅｃａｌｌ　ｏｆ　ｐｅｒｓｏｎａｌｉｚｅｄ　ｓｅａｒｃｈ．　Ｋｅｙ　Ｗｏｒｄｓ　ｃｏｎｃｅｐｔｕａｌ　ｍｏｄｅｌ，ｓｅａｒｃｈ　ｅｎｇｉｎｅ，ｐｅｒｓｏｎａｌｉｚｅｄ　Ｃｌａｓｓ　Ｎｕｍｂｅｒ　ＴＰ３９１　ｌ　引言　擎返回的结果无法满足用户的要求。其次，在准确　化和快速化之间存在矛盾。个性化搜索引擎在处　从Ｗｅｂ上查找资源已成为人们获取信息的主　理海量的数据时，会产生严重的性能问题，这主要　要方式，但是Ｗｅｂ上的信息数量巨大，人们必须使　是由于个性化算法缺乏良好的伸缩性。有研究提　用有效的信息检索工具才能从海量的数据中找到　出了一些解决方法，比如维度规约口］、聚类分析ｌ＿２ｊ　自己所需的资源，搜索引擎就是使用最广泛的信息　和贝叶斯网络Ｌ３］等，这些技术能够在一定程度上减　检索工具。目前的搜索引擎不足之处是缺乏个性　轻伸缩性的问题，一般都是通过在离线阶段分析抽　化的查询，个性化的查询是指针对不同的用户，搜　取模式信息，并于在线阶段应用这些模式信息来得　索引擎根据用户的兴趣返回适合该用户的搜索结　到个性化的搜索结果，这就导致搜索结果准确度不　果。个性化搜索引擎面临着一些与传统搜索引擎　高，并且在线计算的复杂度也随着模式的增多而增　相似的问题，表现如下：首先，用户需求难以有效的　加。第三，现阶段个性化搜索引擎的智能化水平仍　表达。普通用户在使用搜索引擎时很随意，输入的　然较低。由于搜索引擎不能准确地理解网页内容　关键字往往不能表达用户的查询意图导致搜索引　的语义，所以简单的利用词语匹配Ｌ４］、统计分析Ｌ５］、　＊收稿日期：２０１３年９月８日，修回Ｅｔ期：２０１３年１Ｏ月２９日　作者简介：冉令帅，男，硕士研究生，研究方向：数据挖掘，数据库。马恩穹，男，硕士，研究方向：数据挖掘，数据库。　４７６　冉令帅等：基于概念模型的个性化搜索引擎研究　第４２卷　相关分析［６］等算法，在一定程度上造成理解错误，　尤其在关键词有多义、歧义的情况下。　２用户兴趣模型　用户兴趣模型的作用是描述用户个体化的信　息需求，为系统提供个性化服务做参照。在搜索　引擎中，用户兴趣模型一般通过挖掘用户的访问　历史、点击数据、行为动作等数据获得，形成的模　型用来筛选过滤搜索结果，确定搜索结果的排序　等。用户兴趣模型是否准确关系到个性化查询的　效果，它是个性化系统的基础。用户在使用搜索　引擎时，会产生点击数据，被点击的页面能够部分　地反映用户的兴趣偏好。基于概念的用户兴趣模　型从被点击的页面中提取出最能代表页面内容的　关键词，称之为概念，用这些概念来表达用户的兴　趣偏好。　本文基于这样的假设，如果用户点击搜索结果　列表中某一个链接，那么该链接所指向的网页的内　容中，必然有一些概念与用户查询意图有关，或者　说与用户输入的查询关键词有关。将这些与用户　需求有关的概念提取出来，把相关度较高的概念词　作为搜索建议推荐给用户，再由用户自主选择，这　样能够提高搜索准确率，使得搜索结果更加个性　化。在搜索结果集排序靠前的条目中，如果某个词　ｔｉ在所有的标题或片段中出现的频率较高，它很有　可能与关键词ｑ在语义上概念相关。用式（１）来计　算词ｔｉ与关键词ｑ的相关度　ｓ“ｐｐｏｒｔ（ｔｉ）一　（１）　其中，　是所选取的结果集中标题和片段的总数，　ｓｆ（ｔ　）是包含词ｔ　的标题片段数。ｓｕｐｐｏｒｔ数值越　大，说明词ｔ　在所有标题片段中出现频率越高，那　么ｔ　与关键词ｑ相关度就越高。显然，一些语义上　不相关的常用词应该去掉，比如连词、代词、数词　等，不然会影响挖掘结果。　对所选取的结果集进行分词、去除常用词后，　最终得到一个词集Ｓ，对于Ｓ中每一个词ｔ　，都需　要计算其与关键词ｑ的相关度ｓｕｐｐｏｒｔ（　）。但并　不是词集Ｓ中的每个词都与关键词ｑ概念相关，因　此要设定一个阈值Ｓ，相关度ｓｕｐｐｏｒｔ（　）大于或等　于阈值Ｓ的，认为ｔ　与关键词ｑ概念相关，ｓｕｐｐｏｒｔ　（　）小于Ｓ，则认为ｔｉ与关键词ｑ无关。研究目的是　将相似的查询关键词进行聚类，以聚类结果向用户　提供个性化的搜索建议，这些搜索建议都是在已提　交的关键词的基础上增加了和该词有关系的概念。　３查询聚类算法　查询聚类的目标是，将相似需求的查询表达式　聚为一类，从中选取关键词个数较多的作为一类需　求的表达。通过对查询表达式进行扩充，从而提高　搜索的准确率。聚类就是将一个对象的集合通过　某种算法分成几个类，分类后不同类中的对象是不　相似的，同一个类中的对象是相似的［７］。如果对于　一个查询，用户点击了某一个链接，就认为该查询　和该链接是相关的。虽然用户的点击可能会不准　确，这种相关性可能不成立，但是在大多数情况下，　用户的点击一般是相关的。有实验表明，８２　的点　击所涉及到的查询是和页面相关的Ｌ９］。如果把不　同的查询看做一个顶点集，页面集合看做另外的顶　点集，点击作为联系查询和页面顶点的边，由二分　图的定义可知，查询一链接符合二分图结构＿８］。基　于链接的二分图聚算法认为只要两个不同的查询　关键词有相同链接点击，那么说明这两个词有相同　或相似的语义，它们应该聚类到一起。但是，用户　输入的查询关键词一般很短，只有一个或两个单词，　使得查询词存在多种语义，基于链接的二分图聚类　算法不能很好的解决这种情况，有可能会把不同语　义的查询关键词聚类到了一起。二分图（Ｂｉｐａｒｔｉｔｅ　Ｇｒａｐｈ）又名为二部图，是图论中的一种特殊模型＿１　。　基于概念的二分图聚类算法能够解决上述问　题，而且能够达到较好的聚类效果。与查询链接二　分图不同的是，一个点击关联的是查询关键词和目　标页面所涉及的概念。基于概念的二分图模型比　基于链接的二分图模型有更好的相关性。在得到　查询概念二分图后，可以利用聚类算法对相似的查　询和相似的概念进行聚类。对于两个查询关键词　的相似度，可以利用如下公式：　ｓｉｍ（ｘ，　）＝：＝　，女口果　圳№）『＞。（２）　ｌ０，　其他　其中Ｎ（ｚ）是节点ｚ的相邻节点集合，Ｎ（　）是节点　Ｙ的相邻节点集合。直观的理解，若两个查询所涉　及的概念的交集大，则两个查询的相似度就高。　基于概念的二分图聚类算法主要有两个步骤：　利用抽取的概念构造二分图；利用相似度公式对查　询关键词进行聚类。利用抽取出的概念和点击数　据，可以很容易的建立二分图。如果两个查询，即　使它们是相同地关键词，但如果是不同用户提交　的，为了体现个性化那么它们不应该作为一个节　２０１４年第３期　计算机与数字工程　４７７　点，而是应该分为两个节点。我们通过在查询节点　加入用户标签来实现相同关键词不同用户的辨别。　的查准率高于概念聚类，这是因为概念聚类的二分　图当参数ａ＝０时，低相关度的查询被聚到一类，导　致查准率降低；从概念聚类的折线变化可以看出，　当参数　较大时，概念聚类的查准率平稳保持在较　高的范围内，明显高于链接聚类的查准率，这是因　为较高的参数　剪掉了低相关度的查询概念联系，　只保留了较高的联系，使得查询之间的区分度更加　４实验与结果　本系统基于Ｇｏｏｇｌｅ搜索引擎，抓取Ｇｏｏｇｌｅ搜　索引擎的搜索结果。搜索结果的质量直接影响聚　类结果的评价，Ｇｏｏｇｌｅ搜索引擎与其他搜索引擎　相比，搜索质量较高，而且搜索结果页面格式规整，　便于数据的预处理。Ｇｏｏｇｌｅ搜索引擎采用了Ｐａｇ—　ｅＲａｎｋ算法，在搜索结果中，排名靠前的网页内容　与查询关键词相关度较高，而且质量较好。用户一　般只会浏览搜索结果的前３页，因此，在实验中只　对搜索结果的前１００条数据做收集并存储。抓取　的搜索结果包含标题、摘要和超链接。　对搜索引擎返回结果的评价一般用查准率　（ｐｒｅｃｉｓｉｏｎ）和查全率（ｒｅｃａｌ１）。查准率是衡量检索　系统信号噪声比的一个指标，它的值是检索出的相　关文档与检索出的全部文档的比值；查全率是衡量　检索系统从文档集合中检索相关文档成功度的一　个指标，它的值是检索出的相关文档与全部相关文　档的百分比。设用户的查询为ｑ，查准率和查全率　的标准定义如下。　ｐｒＰｃｉｓｉ。　（ｑ）一—Ｉｅｖ　ａ　ｎｔＱｒｅ１————￣Ｑｒｅ　ｔｒｉｅｖｅｄ］————一］（３）　＿。—厂ｌ￣ｒｅｆｒｚｅｖｅａ　Ｉ　ｒＰｆｎｌｌ（ｑ）一—ＩＱｒｅｌｅｖ　ａ　ｎｔ———Ｔ￣　Ｑｒｅｔ　ｒｉｅｖｅ—————ｄＩ　（４）　一　ｉ￣ｄｒｅｔｅｗａｎｔ　其中，Ｑｒｅｌｅｖａｎｔ是检索出的与查询ｑ相关的集合，　Ｑｒｅｔｒｉｅｖｅｄ是检索到的集合。另外一种常用的评　估方法是Ｆ－ｍｅａｓｕｒｅ，记为Ｆ，其定义如下　Ｆ一　Ｌ　十　）　㈣　ｐｒｅ　ｃｚｓｚ　ｏｎ　ｒｅｃａｌｌ　由Ｆ－ｍｅａｓｕｒｅ的定义可知，Ｆ－ｍｅａｓｕｒｅ是查准率和　查全率的调和平均值，两个数的调和平均值更加接近　于两个数中较小的那个，所以，要使得Ｆ－ｍｅａｓｕｒｅ的值　比较高，查准率和查全率必须同时较高才可以。　为了收集数据以测试系统的个性化效果，实验　模拟了２０个用户的查询，每个用户分别提交五个　查询关键词。测试的查询是多义的，比如”ａｐ—　ｐｉｅ”、”Ｊａｖａ”、”Ｃａｎｏｎ”等。对一个多义的查询，使　其每一个语义都分别有用户感兴趣并产生点击。　系统根据测试数据集产生查询聚类和概念聚类，并　优化查询语句，产生搜索建议。实验将对由测试数　据集所得到的搜索结果进行分析评价。　图１和图２是链接聚类和概念聚类的查准率、　查全率对比图。　在图１中，当聚类结束参数盯＝＝：０时，链接聚类　明显，有利于查询的聚类质量。综合比较可知，概　念聚类使用概念建立用户兴趣模型，个性化的查询　比链接聚类效果更好，查准率更高。在图２中，当　参数　较小时，概念聚类的查全率高于链接聚类的　查全率。这是因为参数　较小时，概念聚类形成的　聚类相对较大，损失较少，形成的概念集比较全面，　有利于查全率的提高；而当参数　较大时，概念聚　类的查全率较低，这是由于较大的参数　形成的概　念聚类更加细致，筛选掉更多的搜索结果，导致了　查全率的降低。综合比较发现，概念聚类的查准率　整体优于链接聚类，这是由于查询概念二分图以概　念相似度对查询进行聚类，相比链接相似度计算方　法，概念相似度更能表现查询之间的语义相关性，　产生的聚类更加全面。　图１查准率比较　图２查全率比较　表１给出了链接聚类和概念聚类的最佳Ｆ－　ｍｅａｓｕｒｅ值及对应的查准率和查全率，Ｆ－ｍｅａｓｕｒｅ　能够评估检索质量的平均性能。可以看出，概念聚　类平均优于链接聚类。　表１两种聚类评估比较　５　结语　搜索引擎给人们获取信息资源带来了极大的　便利，但是现阶段的搜索引擎在个性化搜索方面并　不理想。在本文中通过研究ｗｅｂ数据挖掘的相关　理论和方法，提出了一种基于概念的查询聚类算　法，根据该算法实现了个性化的搜索。在对基于链　接的二分图查询聚类算法进行详细分析时，针对这　（下转第５１６页）　５１６　潘忠英：基于ＯｐｅｎＧＬ的三维可视化方法研究　第４２卷　ａｎｄ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　３Ｄ　ｓｅｉｓｍｉｃ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ［Ｊ］．　ｅｎｃｅ　Ｅｄｉｔｉｏｎ），２００７，２３（４）：３８—３９．　Ｃｏｍｐｕｔｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，２００３，２９（５）：１３９—１４１．　Ｅ８］张桂芝，姚迪．基于ｖｃ和ＯｐｅｎＧＬ三维图形的开发　［５３陈建春．Ｖｉｓｕａｌ　Ｃ＋＋开发ＧＩＳ系统开发实例剖析　［Ｊ］．齐齐哈尔大学学报，２００２，１８（４）：５８—５９．　ＥＭ］．北京：电子工业出版社，２００１：４６—４９．　ＺＨＡＮＧ　Ｇｕｉｚｈｉ，ＹＡＯ　Ｄｉ．Ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　３Ｄ　ＣＨＥＮ　Ｊｉａｎｃｈｕｎ．Ｖｉｓｕａｌ　Ｃ＋＋ｄｅｖｅｌｏｐ　ＧＩＳ　ｓｙｓｔｅｍ—　ｇｒａｐｈ　ｂａｓｅｄ　ｏｎ　ＶＣ　ａｎｄ　ＯｐｅｎＧＬｌ，Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｑｉｑｉｈａｒ　Ａｎａｌｙｓｉｓ　ｏｆ　ｄｅｖｅｌｏｐｍｅｎｔ　ｅｘａｍｐｌｅ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｐｕｂ—　Ｕｎｉｖｅｒｓｉｔｙ，２００２，１８（４）：５８—５９．　ｌｉｓｈｉｎｇ　Ｈｏｕｓｅ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｉｎｄｕｓｔｒｙ，２００１：４６—４９．　［９］张二华，高林，马仁安，等．三维地震数据可视化原理及　［６］朱炜．在Ｗｉｎｄｏｗｓ环境中设置基于ＶＣ＋＋的ＯｐｅｎＧＬ　方法［Ｊ］．ＣＴ理论与研究现状，２００７，１６（３）：２Ｏ一２７．　图形接口ＥＪ］．计算机与网络，２００７（８）：１７３—１７４．　ＺＨＡＮＧ　Ｅｒｈｕａ，ＧＡＯ　Ｌｉｎ，ＭＡ　Ｒｅｎａｎ，ｅｔ　ａ１．３Ｄ　ｓｅｉｓ—　ＺＨＵ　Ｗｅｉ．ＳｅｔＶＣ＋＋ＯｐｅｎＧＬ　Ｇｒａｐｈｉｃ　Ｉｎｔｅｒｆａｃｅ　ｍｉｃ　ｄａｔａ　ｖｉｓｕａｌｉｚａｔｉｏｎ　ｐｒｉｎｃｉｐｌｅ　ａｎｄ　ｍｅｔｈｏｄ１，Ｊ］．ｔｈｅ　ｔｈｅ—　Ｂａｓｅｄ　ｏｎ　Ｗｉｎｄｏｗｓ［Ｊ］．Ｔｈｅ　ｃｏｍｐｕｔｅｒ　ａｎｄ　ｎｅｔｗｏｒｋ，　ｏｒｙ　ａｎｄ　ｔｈｅ　ｓｔａｔｕｓ　ｏｆ　ＣＴ，２００７，１６（３）：２Ｏ一２７．　２００７（８）：１７３—１７４．　［－１０１刘增平．三维地震勘探资料解释方法［Ｊ］．山东煤炭科　［７］高恩婷．基于ＶＣ＋＋的ＯｐｅｎＧＬ三维应用程序的设计　技，２００４（１）：２３—２４．　［Ｊ］．苏州大学学报（自然科学版），２００７，２３（４）：３８—３９．　ＬＩＵ　Ｚｅｎｇｐｉｎｇ．３Ｄ　ｓｅｉｓｍｉｃ　ｄａｔａ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ　ｍｅｔｈｏｄ　Ｔｈｅ　ｄｅｓｉｇｎ　ｏｆ　ＯｐｅｎＧＬ　３Ｄ　ａｐｐｌｉｃａｔｉｏｎｓ　ｂａｓｅｄ　ｏｎ　ＶＣ＋　ＦＪ］．Ｓｈａｎｄｏｎｇ　ｃｏａｌ　ｓｃｉｅｎｃｅ　ａｎｄ　ｔｅｃｈｎｏｌｏｇｙ，２００４（１）：　＋［Ｊ］．ｔｈｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｏｃｈｏｗ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ　Ｓｃｉ—　２３—２４．　乖　不　乖　乖　希　希　乖　乖　乖　乖　希　希　铞　乖　不　乖　不　不　不　不　币　矫　旆　；．　（上接第４７７页）　种方法的不足，提出了一种改进的二分图，改进后　２００３，３ｌ（３）：７Ｏ一７２．　的二分图描述查询和概念的联系。在对该算法进　－Ｉ５］王和勇，郑杰，姚正安，等．基于聚类和改进距离的ＬＬＥ　行研究时，解决了查询概念二分图中查询相似度的　方法在数据降维中的应用［Ｊ］．计算机研究与发展，　计算、用户兴趣模型的融入等问题。设计并实现了　２００６，４３（８）：１４８５—１４９０．　基于概念聚类的个性化搜索建议模型，并对链接聚　ＷＡＮＧ　Ｈｅｙｏｎｇ，ＺＨＥＮＧ　Ｊｉｅ，ＹＡＯ　Ｚｈｅｎｇ，ｅｔ　ａ１．Ａｐ—　类和概念聚类的实验结果进行分析比较；通过对系　ｐｌｉｃａｔｉｏｎ　ｏｆ　Ｄｉｍｅｎｓｉｏｎ　Ｒｅｄｕｃｔｉｏｎ　ｏｎ　Ｕｓｉｎｇ　Ｉｍｐｒｏｖｅｄ　ＬＬＥ　Ｂａｓｅｄ　ｏｎ　Ｃｌｕｓｔｅｒｉｎｇｌ，Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ｒｅ—　统输入特定的查询以检验系统的个性化效果。实　ｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ，２００６，４３（８）：１４８５—１４９０．　验表明，基于概念的用户兴趣模型能够较好地反应　［６］Ｊｉａｗｅｉ　Ｈａｎ，Ｍｉｃｈｅｌｉｎｅ　Ｋａｍｂｅｒ．数据挖掘概念与技术　用户的兴趣，有利于高质量的查询聚类结果；基于　［Ｍ］．范明，孟小峰，等译．第２版．北京：机械工业出版　聚类结果形成的查询能够达到较好的查准率和查　社，２００７．　全率，实现了个性化搜索的目标。　Ｊｉａｗｅｉ　Ｈａｎ，Ｍｉｃｈｅｌｉｎｅ　Ｋａｍｂｅｒ．Ｔｈｅ　Ｃｏｎｃｅｐｔ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　ｏｆ　ｗｅｂ　Ｍｉｎｉｎｇ［Ｍ］．Ｔｒａｎｓｌａｔｅｄ　ｂｙ　Ｆａｎ　参考文献　Ｍｉｎｔ　ａｎｄ　Ｍｅｎｇ　Ｘｉａｏｆｅｎｇ．ｔｈｅ　ｓｅｃｏｎｄ　Ｅｄｉｔｉｏｎ．Ｂｅｉｊ　ｉｎｇ：　Ｍｅｃｈｉｎｉｃａｌ　Ｉｎｄｕｓｔｒｙ　Ｐｒｅｓｓ，２００７．　［１］Ｆ．Ｔａｏ，Ｆ．Ｍｕｒｔａｇｈ，Ｍ．Ｆａｒｉｄ．Ｗｅｉｇｈｔｅｄ　Ａｓｓｏｃｉａｔｉｏｎ　［７］吴湖，王永吉，王哲，等．两阶段联合聚类协同过滤算法　Ｒｕｌｅ　Ｍｉｎｉｎｇ　ｕｓｉｎｇ　Ｗｅｉｇｈｔｅｄ　Ｓｕｐｐｏｒｔ　ａｎｄ　Ｓｉｇｎｉｆｉｃａｎｃｅ　ＥＪ］．软件学报，２０１０，２１（５）：１０４２—１０５４．　Ｆｒａｍｅｗｏｒｋ１，Ｃ］．ＳＩＧＫＤＤ，２００３．　ｗＵ　Ｈｕ，ＷＡＮＧ　Ｙｏｎｇｊｉ，ＷＡＮＧ　Ｚｈｅ，ｅｔ　ａ１．Ｔｗｏ—Ｐｈａｓｅ　ｒ２］Ｒ．Ｆｏｒｓａｔｉ，Ｍ．Ｒ．Ｍｅｙｂｏｄｉ，Ａ　Ｇｈａｒｉ　Ｎｅｉａｔ．Ｗｅｂ　ｏＣｌｌａｂｏｒａｔｉｖｅ　Ｆｉｌｔｅｒｉｎｇ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　Ｃｏ－Ｃｌｕｓｔｅｒｉｎｇ　Ｐａｇｅ　Ｐｅｒｓｏｎａｌｉｚａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　Ｗｅｉｇｈｔｅｄ　Ａｓｓｏｃｉａｔｉｏｎ　ＥＪ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｆｔｗａｒｅ，２０１０，２１（５）：１０４２—１０５４．　ＲｕｌｅｓＩ　Ｃ　ｌ／／ＩＣＥＣＴ，２００９．　Ｉ－８］Ｇｕｉ－Ｒｏｎｇ　Ｘｕｅ．Ｏｐｔｉｍｉｚｉｎｇ　Ｗｅｂ　Ｓｅａｒｃｈ　Ｕｓｉｎｇ　ｗｅｂ　［３］Ｂ．Ｍｏｂａｓｈｅｒ，Ｈ．Ｄａｉ，Ｔ．Ｌｕｏ，ｅｔ　ａ１．Ｕｓｉｎｇ　Ｓｅｑｕｅｎ　Ｃｌｉｃｋ－ｔｈｒｏｕｇｈ　Ｄａｔａ［Ｃ］／／Ｉｎｔｅｍａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　ｔｉａｌ　ａｎｄ　Ｎｏｎ－Ｓｅｑｕｅｎｔｉａｌ　Ｐａｔｔｅｒｎｓ　ｉｎ　Ｐｒｅｄｉｃｔｉｖｅ　Ｗｅｂ　Ｕｓ—　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｋｎｏｗｌｅｄｇｅ　Ｍａｎａｇｅｍｅｎｔ，２００４．　ａｇｅ　Ｍｉｎｉｎｇ　Ｔａｓｋｓ［Ｃ］／／ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　［９］Ｍ．Ｓｕｌａｉｍａｎ　Ｋｈａｎ，Ｍａｙｂｉｎ　Ｍｕｙｅｂａ，Ｆｒａｎｓ　Ｃｏｅｎｅｎ．　ｏｎ　Ｄａｔａ　Ｍｉｎｉｎｇ，２００２．　Ａ　Ｗｅｉｇｈｔｅｄ　Ｕｔｉｌｉｔｙ　Ｆｒａｍｅｗｏｒｋ　ｆｏｒ　Ｍｉｎｉｎｇ　Ａｓｓｏｃｉａｔｉｏｎ　［４］李酷，王仁超，楮春超．数据挖掘中的数据预处理与维　Ｒｕｌｅｓｌ，Ｊ］．Ｃｏｍｐｕｔｅｒ　Ｍｏｄｅｌｉｎｇ　ａｎｄ　Ｓｉｍｕｌａｔｉｏｎ，２００８．　度优化［Ｊ］．东北林业大学学报，２００３，３１（３）：７０—７２．　［１ｏ］ｃ．Ａｎｔｕｎｅｓ，Ａｒｌｉｎｄｏ　Ｌ．Ｏｌｉｖｅｉｒａ．Ｓｅｑｕｅｎｔｉａｌ　Ｐａｔｔｅｒｎ　ＬＩ　Ｚｈｅ，ＷＡＮＧ　Ｒｅｎｃｈａｏ，ＣＨＵ　Ｃｈｕｎｃｈａｏ．Ｄａｔａ　Ｐｒｅ—　Ｍｉｎｉｎｇ　Ａｌｇｏｒｉｔｈｍｓ：Ｔｒａｄｅ－ｏｆｆｓ　ｂｅｔｗｅｅｎ　Ｓｐｅｅｄ　ａｎｄ　ｐｒｏｃｅｓｓｉｎｇ　ａｎｄ　Ｄｉｍｅｎｓｉｏｎａｌｉｔｙ　Ｏｐｔｉｍｉｚａｔｉｏｎ　ｉｎ　ｔｈｅ　Ｄａｔａ　Ｍｅｍｏｒｙ．２ｎｄ　Ｗｏｒｋｓｈｏｐ　ｏｎ　Ｍｉｎｉｎｇ　Ｇｒａｐｈｓ，Ｔｒｅｅｓ　Ｍｉｎｉｎｇ１．Ｊ￣．Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｅａｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，　ａｎｄ　Ｓｅｑ，２００４．