×
Loia，V。；佩德里茨，W。；Senatore，S。

P-FCM：一种基于邻近性的模糊聚类，用于以用户为中心的web应用程序。 （英语） Zbl 1059.68025号

国际J近似推理 34，编号2-3，121-144（2003）.
总结：在过去的几年里，互联网和网络以惊人的方式发展。标准网络搜索服务作为互联网社区的有用工具发挥着重要作用，尽管它们面临着一定的困难。网络继续增长，使得基于互联网的信息和检索系统的可靠性更加复杂。尽管已经对预期信息和返回信息之间的差距进行了实质性分析，但网络搜索引擎的工作仍然非常困难。网络搜索活动存在不同的问题，其中之一是在查询阶段。每个引擎都提供一个用户必须学习的界面。通常，搜索过程会返回大量无关、不可用或过时的答案。由于查询太弱，无法应对用户的表现力，因此查询的单调性激发了设计者用新的搜索隐喻丰富人机交互。其中之一是谷歌、雅虎和其他公司提供的“类似”页面的搜索。这个想法很好，因为相似性提供了一种简单直观的机制来表达复杂的关系。我们相信，如果用户能够在表达与当前和可用可能性相关的相似性依赖关系时依赖于很大的灵活性，那么这种方法将变得更加有效。
本文介绍了一种在web导航过程中考虑和处理用户驱动相似性的新方法。我们定义了模糊C均值算法的一个扩展，即邻近模糊C均值（P-FCM），将相似性或差异性的度量作为用户对聚类的反馈。我们提出了这种扩展的理论框架，然后通过一系列基于网络的实验，观察到用户反馈在P-FCM运行过程中的影响有多大。这些观察结果表明，P-FCM方法可以根据用户与搜索引擎的交互提供一种相对简单的方法来改进网页分类。

引用于三文件

MSC公司：

68页第10页 搜索和排序
68米10 计算机系统中的网络设计和通信

关键词：

搜索引擎；模糊逻辑；模糊C均值算法；相似性；人机交互

软件：

P-FCM公司
PDF格式BibTeX公司 XML格式引用
\textit｛V.Loia｝et al.，Int.J.近似推理34，No.2-3121-144（2003；Zbl 1059.68025）
全文： 内政部

参考文献：

[1] Bargiela，A。；Pedrycz，W.，《粒度计算：导论》（2002），Kluwer学术出版社：Kluwer学术出版社Dordrecht
[2] Bezdek，J.C.，模式识别和模糊目标函数算法（1981），Plenum出版社：Plenum Press New York·Zbl 0503.68069号
[3] Boley，D。；基尼，M。；毛重，R。；韩，E。；黑斯廷斯，K。；Karypis，G。；库马尔，V。；Mobasher，B。；Moore，J.，基于分区的web文档分类聚类，决策支持系统，27599-613（1999）
[4] Cleverdon，C.，优化书目数据库的便捷在线访问，信息服务和使用（1984）
[5] Hoppner，F.，图像处理中的模糊壳聚类——模糊c-矩形和两个矩形壳，IEEE模糊系统汇刊，5，5，599-613（1997）
[6] 哈撒韦·R·J。；Bezdek，J.C.，Nerf-C means:非欧几里德关系模糊聚类，模式识别，27429-437（1994）
[7] 哈撒韦·R·J。；Bezdek，J.C.（美国宾夕法尼亚州）。；Hu，Y.，使用lp范数距离的广义模糊c-均值聚类策略，IEEE模糊系统事务，8，5，576-582（2000）
[8] 霍普纳，F。；Klawonn，F。；克鲁斯，R。；Runkler，T.，模糊聚类分析-图像识别方法（1999），J.Wiley:J.Wiley纽约·兹比尔0944.65009
[9] Jain，A.K。；Dubes，R.C.，聚类数据算法（1988），Prentice-Hall·Zbl 0665.62061号
[10] Krishnapuram，R。；Joshi，A。；O.Nasraoui。；Yi，L.，用于web挖掘的低复杂度模糊关系聚类算法，IEEE模糊系统事务，9，4，595-607（2001）
[11] Roussinov，D。；Zhao，J.L.，通过web挖掘自动发现相似关系，决策支持系统，987（2002）
[12] Runkler，T.A。；Bezdek，J.C.，交替聚类估计：聚类和函数近似的新工具，IEEE模糊系统汇刊，7，4，377-393（1999）
[13] 史密斯，K.A。；Ng，A.，使用用户导航模式的自组织映射的网页聚类，决策支持系统，995（2002）
[14] 弗拉吉克，N。；Card，H.C.，《神经网络主题网页分类》，《网络与计算机应用杂志》，第21期，第91-105页（1998年）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。