77、Web页面聚类：分区自适应亲和传播算法的应用与优势

Web页面聚类：分区自适应亲和传播算法的应用与优势

1. 背景与需求

随着互联网和Web技术的普及与快速发展，各类信息呈爆炸式增长。这既增加了获取信息的机会，也让找到真正有用的信息变得困难。因此，急需能智能、自动地将网络数据组织成组或集合的新技术和工具，Web数据聚类也成为了越来越重要的研究领域。

Web数据聚类是将Web对象分组为“类”的过程，使相似对象在同一类，不同对象在不同类。Web数据包括Web文档（如HTML文件、XML文件、图像等）和用户导航会话。本文聚焦于Web文档的聚类。

2. 现有Web页面聚类方法

• 层次聚类 ：用于为数据集构建树结构。
• 分区聚类 ：尝试将文档集合划分为一组组，以最大化预定义的适应度值。近年来，分区聚类方法因其相对较低的计算要求，适合对大型文档数据集进行聚类。其中最著名的是K - means算法，它从随机选择的C个聚类中心开始，多次更新中心直到中心不再变化。但该方法对初始中心选择敏感，易收敛到局部最优。

3. 亲和传播（AP）算法

• 原理 ：AP是一种较新的聚类方法，将每个数据点视为潜在的聚类中心。通过在网络节点间递归传输实值消息，直到形成一组良好的中心和相应的聚类。
• Web页面表示 ：在Web页面聚类中，使用向量空间模型（VSM）表示Web页面。每个文档由n个“特征”的权重向量表示，权重采用词频 - 逆文档频率（TF - IDF）计算：