基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
随着互联网的高速发展,海量信息越来越多,搜索引擎技术发展很快,但是搜索引擎的搜索结果仍然不能满足人们的搜索要求,引入k-means聚类算法对Web文档进行聚类,为了提高聚类性能,引入蛙跳算法进行k值的选取.目的是提高搜索结果的准确性,增加搜索引擎返回结果与查询主题的相关性.
推荐文章
一种基于主题的Web文本聚类算法
HTBC算法
Web文本聚类
主题
搜索引擎
互信息
蚁群算法在文本聚类中的应用研究
文本聚类
移动策略
观察半径
蚁群算法
改进蚁群算法在文本聚类中的应用研究
蚁群算法
文本聚类
向量空间模型
信息素
基于混合蛙跳联合聚类的协同过滤算法
推荐系统
协同过滤
联合聚类
数据填充
混合蛙跳
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 蛙跳算法在Web文本聚类技术中的应用
来源期刊 电脑开发与应用 学科 工学
关键词 K-means 聚类算法 蛙跳算法 文本聚类
年,卷(期) 2011,(5) 所属期刊栏目 软硬件开发
研究方向 页码范围 35-37
页数 分类号 TP301.6
字数 3604字 语种 中文
DOI 10.3969/j.issn.1003-5850.2011.05.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 崔冬华 太原理工大学计算机科学与技术学院 29 197 6.0 13.0
2 尉建兴 太原理工大学计算机科学与技术学院 1 2 1.0 1.0
3 宁晓青 太原理工大学计算机科学与技术学院 2 15 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (1)
节点文献
引证文献  (2)
同被引文献  (9)
二级引证文献  (0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-means
聚类算法
蛙跳算法
文本聚类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑开发与应用
月刊
1003-5850
14-1133/TP
大16开
山西省太原市193号信箱
22-96
1985
chi
出版文献量(篇)
4882
总下载数(次)
14
论文1v1指导