بهبود خوشه بندی و رتبه بندی صفحات متنی اخبار در گروه های خبری

در حال حاضر سایتهای خبری زیادی در حال فعالیت می باشند و اطلاعات خود را در وب سایت هایی به صورت اسناد الکترونیکی یا صفحات متنی در اختیار کاربران قرار می دهند بر همین اساس تکنولوزیها , ابزارها و موتورهای جستجوی خاصی برای این منظور بکارگیری شدند. خوشه بندی یکی از تکنیکهای بسیار قدرتمند داده کاوی برای کشف موضوع در صفحات متنی می باشد. در ابتدا خوشه بندی در سیستم های بازیابی اطلاعات و برای افزایش یادآوری و دقت بکار می رفت بعدها برای جستجوی مجموعه ای از سندها بطور اتوماتیک بکار گیری شد.یکی از بهترین روشهای خوشه بندی اسناد , روش bi_secting K_means می باشد و معمولاٌ تابع کسینوسی برای اندازه گیری مشابهت بین دو سند در تابع معیار استفاده می شود اما وقتی خوشه ها به خوبی از هم جدا نباشد این تابع به خوبی کار نخواهد کرد. برای حل این مشکل یک اندازه گیری مشابهت از مفاهیم هماسیه ها و ارتباط ها (links) استفاده می شود و به جای اینکه تنها شباهت جفتی در نظر گرفته شود بوسیله هماسیه ها و ارتباط ها ، اطلاعات عمومی اندازه گیری نزدیکی دو سند در نظر گرفته می شود و با وزن دهی دقیق تر می توانیم بهبود قابل ملاحظه ای در کارایی خوشه بندی اسناد الکترونیکی ایجاد کنیم.

کلیدواژه ها:

خوشه بندی ، رتبه بندی ، صفحات متنی اخبار ، همسایه ها ، وزن دهی