让你的检索更精确——一种实现中文HTML文档自动聚类的方法

摘要

通常的检索引擎将用户检索的结果表现为一个按照相关度排序的列表,这里的相关度指所检索的文档与用户问题之间的相似度.这种排序的机制仅仅能够在用户可以将想要查询内容很好地定义出来的情况下才能发挥良好的功效,这个条件往往只适用于一些专业人员,在真实的情况下,70%的Web用户会将其所查询的问题浓缩到一或两个单词中,在这种条件下,检索引擎很难找到用户真正感兴趣的内容,当用户对其所检索的领域内容不熟悉或他对检索引擎的操作模式是一个新手,或检索引擎处理的数据量非常大时,这种状况还会进一步地恶化.