WebpageCorrelationEngine

网页关联引擎 Mohit Mishra，印度理工学院（BHU）瓦拉纳西，语言：Java 该项目/软件基本上将相似的页面聚集成一个聚类。 为此，我们使用文档聚类的概念（可在Internet上轻松获得以进行理解）。 现在的问题是，给定一堆URL，您如何分类哪一组URL彼此相似/不同。 为此，如果我们可以将URL问题“转换”为文本文档，然后应用文档聚类，那么问题就变得很容易理解。 但是，存在一个主要问题： 确保为文档文本选择了相关的内容。 噪音消除 但是，这里使用的算法根本不考虑噪声。 执行文档余弦相似度时，噪声会自动消除。 提到这一点后，余弦相似度度量用于定量确定两个文本文档（以及两个网页）之间的紧密度。 自适应K均值聚类用于对网页进行分类。 从算法/程序本身计算k的“最佳”值的意义上说，它是自适应的，而不是静态定义它并在k值的范围内进行实验。 这基于集群内距离与集群间距离的比率。