A new approach to search result clustering and labeling

Arama motorları sorgu sonuçlarını sayfalara ayrılmış uzun web doküman listesihalinde sunmaktadır. Bilgi erişim sonuçlarının istenen bilgiye daha kolayulaşmayı sağlamak amacıyla tekrar işlenmesi önemli bir araştırma konusudur.Bir tekrar işleme yöntemi de arama sonuçlarını konularına göre gruplamak ve bugrupları konularını yansıtacak şekilde etiketlemektir. Bu tezde, arama motorlarıtarafından oluşturulan uzun doküman listesini anlamlı bir şekilde gruplanmış veetiketlenmiş kümelere ayıran yeni bir arama sonucu kümeleme yaklaşımı sunuyoruz.Metodumuz kapsama katsayısına dayalı kümeleme ve sıralı k-ortalamalaralgoritmalarını kullanarak kümeleme kalitesine önem vermektedir. Diğer bir yandan,kümelerin etiketlemesi, anlamsız ya da kafa karıştıran etiketlerin kullanıcılarıyanlış kümelere yönlendirerek zaman kaybettirmesi nedeniyle önemlidir. Bunlaraek olarak, bir kümenin etiketi, kümede bulunan dokümanların içeriklerini doğrubir biçimde yansıtmalıdır. Kümeleri etiketleme görevini etkin bir şekilde yerinegetirebilmek için, terim ağırlıklandırmaya dayalı yeni bir küme etiketlemeyöntemi sunulmaktadır. Ayrıca küme etiketlemenin başarısını değerlendirmekamacıyla hassasiyet ve kesinlik ölçütlerini kullanan yeni bir etiketleme metriğisunulmaktadır. Metodumuzun Sonek Ağacıyla Kümeleme ve Lingo gibi önde gelenarama sonucu kümeleme algoritmalarına göreceli performansını saptayabilmekamacıyla karşılaştırmalı bir değerlendirme yöntemi uygulanmaktadır. Diğertaraftan, herkesin kullanımına açık olan Ambient ve ODP-239 veri setlerindetestler gerçekleştirilmiştir. Test sonuçları önerilen metodun hem kümeleme hemde etiketleme görevini başarıyla yerine getirdiğini göstermektedir.