| 主权项 |
一种煤矿搜索引擎中检索结果聚类系统，包括检索结果聚类及类别标签抽取装置，该装置包括搜索引擎服务器、文本检索结果聚类模块和类别标签抽取模块，煤矿搜索引擎服务器处理用户提交的查询请求，产生的初始检索结果经文本检索结果聚类模块后返回给用户；其中文本检索结果聚类模块中，采用以下方法进行数据分析：(1)初始化：将检索结果文档集合表示成<img file="FDA0001009052930000011.GIF" wi="560" he="294" />其中，A表示文档集合对应的文档‑特征词矩阵，m为文档数目，n代表特征词数目，w<sub>ij</sub>表示第j个特征词在第i个文档中的权重，i和j为自然数，1≤i≤m，1≤j≤n；(2)降维：将矩阵A按照奇异值分解方法分解为3个矩阵的乘积，即：A＝USV<sup>T</sup>，其中，U和V为正交矩阵，矩阵U为m×m矩阵，矩阵V为n×n矩阵，S为m×n奇异对角阵，是原矩阵A的消减矩阵，S对角元素为A的奇异值，将S对角元素按从大到小顺序排列，取前k个最大的值，分别得到U<sub>k</sub>、S<sub>k</sub>和V<sub>k</sub>；U<sub>k</sub>和V<sub>k</sub>分别为U和V的前k列构建的矩阵，S<sub>k</sub>为取S对角元素前k个最大的值构建的矩阵，其中k为自然数，1≤k≤m且1≤k≤n；<img file="FDA0001009052930000016.GIF" wi="285" he="63" />其中A<sub>k</sub>为计算得到的矩阵A的k秩近似矩阵；(3)聚类：矩阵U<sub>k</sub>的行向量即为文档的特征向量，<img file="FDA0001009052930000012.GIF" wi="558" he="295" />其中u<sub>xy</sub>表示矩阵U<sub>k</sub>的元素，x和y为自然数，1≤x≤m，1≤y≤k，对矩阵U<sub>k</sub>采用K‑Means聚类算法进行聚类，具体聚类步骤如下：<1>从m个文档中随机选取Z个文档作为簇的质心，Z为簇的数目，Z个簇分别表示为c<sub>1</sub>,c<sub>2</sub>,...,c<sub>Z</sub>，Z个质心表示为p<sub>1</sub>,p<sub>2</sub>,...,p<sub>Z</sub>，质心p<sub>t</sub>的向量形式可表示为<img file="FDA0001009052930000013.GIF" wi="437" he="62" />p<sub>ty</sub>表示该向量的元素，1≤t≤Z；<2>对矩阵U<sub>k</sub>中的每个文档向量，分别计算其到上述Z个质心的距离，并将其划分到距离最近的质心所在的簇，距离的计算方法为<img file="FDA0001009052930000014.GIF" wi="571" he="279" />其中u<sub>x</sub>表示矩阵U<sub>k</sub>中第x行表示的文档；<3>重新计算各个簇的质心，新的质心可表示为p'<sub>1</sub>,p'<sub>2</sub>,...,p'<sub>Z</sub>，质心p'<sub>t</sub>的向量形式可表示为<img file="FDA0001009052930000015.GIF" wi="505" he="63" />p'<sub>ty</sub>表示该向量的元素；<4>迭代步骤<2>和<3>，直至新质心与原质心相等或距离之和<img file="FDA0001009052930000021.GIF" wi="702" he="279" />小于指定阈值θ，θ为实数。 |
