بررسی الگوریتم های خوشه بندی و ارائه الگوریتمی جهت خوشه بندی اسناد XML

اسناد XML به دلیل انعطاف پذیری بالا و ذات خود توصیفی به عنوان یکی از روش های موجود برای نمایش و انتقال اطلاعات مورد استقبال قرار گرفته اند و بسیاری از منابع اطلاعاتی از این روش استفاده می کنند. با توجه به رشد روز افزون استفاده از اینترنت و جستجوی اطلاعات به کمک موتورهای جستجو، به کارگیری روش هایی که به بالا بردن کیفیت نتایج جستجو کمک می کنند، الزامی است. خوشه بندی را می توان به عنوان مهمترین مسئله در یادگیری بدون نظارت در نظر گرفت. خوشه بندی با یافتن یک ساختار درون یک مجموعه از داده های بدون برچسب درگیر است. خوشه به مجموعه ای از داده ها گفته می شود که به هم شباهت داشته باشند. در خوشه بندی سعی می شود تا داده ها به خوشه هایی تقسیم شوند که شباهت بین داده های درون هر خوشه حداکثر و شباهت بین داده های درون خوشه های متفاوت حداقل شود. در این مقاله سعی بر آن شده است که روشهای متفاوت خوشه بندی مورد بررسی قرار گیرد و روش بهتری برای خوشه بندی اسناد XML پیشنهاد شود که روش ارائه شده خوشه بندی ساختار- محتوایی می باشد.