聚類對象分析

現(xiàn)有聚類搜索引擎的聚類對象主要包括三類數(shù)據(jù)：商業(yè)數(shù)據(jù)、評價數(shù)據(jù)、社交數(shù)據(jù)。

商品數(shù)據(jù)主要包括對服裝、電器、化妝品等數(shù)據(jù)信息進行分類整理，例如用戶在淘寶網(wǎng)輸入“牙膏”關鍵字，在網(wǎng)頁上立馬顯示出“功能”、“品牌”、“產(chǎn)地”等分類信息，并按照銷量、價格、信用進行了排序，對商品的聚類分析清晰明確。評價數(shù)據(jù)主要包括論壇對相關主題的討論信息，博客的交流信息，商業(yè)網(wǎng)站對商品的滿意度評價信息等。大連海事大學的魯明羽、姚曉娜等人提出一種基于模糊聚類的網(wǎng)絡論壇熱點話題挖掘算法，通過分析帖子和用戶間的影響力傳遞，來判斷是否為焦點人物和熱門話題[11]。社交數(shù)據(jù)主要包括社交網(wǎng)絡注冊用戶個人資料信息、用戶關注度信息、用戶之間交互信息等社交數(shù)據(jù)資源。社交數(shù)據(jù)隱含了大量可以用于聚類的關聯(lián)信息，對實現(xiàn)智能和個性化聚類搜索具有重要意義。此外，聚類對象按數(shù)據(jù)類型還可以劃分為文本數(shù)據(jù)、多媒體數(shù)據(jù)等。

聚類功能分析

聚類搜索引擎的聚類功能主要有智能聚類、去重、多媒體、覆蓋性等能力。

智能聚類：聚類搜索引擎大多具有這項功能。目前做得最好的如Vivisimo系統(tǒng)，它最大的特色是會對搜索結(jié)果自動分類，采用專門開發(fā)的啟發(fā)式算法來集合或聚類原文文獻。

去重：去重可以取掉大部分的廣告網(wǎng)頁并節(jié)省掉用戶的選擇時間，是十分實用的一項聚類功能。國內(nèi)的比比貓的去重功能非常出色，在用戶獲得多個搜索引擎的搜索結(jié)果后，比比貓可以自動為用戶獲取最有搜索結(jié)果并取掉重復的信息。

多媒體：除了文本聚類，聚類搜索引擎還關注視頻、音頻等多媒體信息進行聚類的功能，商業(yè)化、集成化、多媒體化的氣息更加濃厚。搜狗音樂推出了新版的聚類頁面，可視化強，用戶輸入音樂名稱，將獲得全新的聚類結(jié)果，該結(jié)果首先按照音頻特征聚類，再按照文本信息聚類，保證搜索界面顯示的音樂相關度最高。

覆蓋性：聚類搜索引擎一般基于一些大型通用搜索引擎的數(shù)據(jù)資源，這樣能夠保證搜索的結(jié)果覆蓋全面，可聚類的對象內(nèi)容豐富。

聚類算法分析

聚類搜索引擎的聚類算法主要有層次聚類、樹狀聚類、網(wǎng)狀聚類、圓形聚類。其中Carrot2、Clusty(clusty.com)、iBoogie( iBoogie.com)等系統(tǒng)使用層次聚類的方法，按照來源及站點進行聚類。PinkySeach[12]和Mnemomap(mnemomap.org)系統(tǒng)是使用樹狀結(jié)構(gòu)的聚類算法，將聚類的結(jié)果以列表的形式展示出來。UJIKO系統(tǒng)(ujiko.com)是使用圓形結(jié)構(gòu)的聚類算法，它將搜索結(jié)果聚類后按照主題自動分類成圖形界面顯示出來。Quintura系統(tǒng)(quintura.com)是使用網(wǎng)狀結(jié)構(gòu)的聚類算法，是通過標簽云的形式將在語義上相關的詞聚類，構(gòu)成網(wǎng)狀鏈接。