来源：期刊VIP网 时间：
作者：刘翼;田亮亮;高明;李凯茵;叶倩;
单位：延安大学数学与计算机科学学院;延安大学教务处;
摘要：内容分发网络（CDN）被用于解决网络访问负荷过载的问题。然而，同一网络服务可能包含多个域名，导致网页主题分类结果精确度和检索效率降低。文中提出一种基于字符串相似度算法的URL聚类方法，首先，获取校园网络7×24 h的真实流量数据，利用协议分析抽取特征信息，转化为数据集；其次，进行数据清洗与处理，去除缺省字段和错误字段，将相同数据条目集成；最后，采用字符串相似度算法计算URL之间的距离作为聚类算法的特征，并采用K-means聚类算法划分相似URL，达到将多个不同域名分类到相同网络服务的目的。实验通过对5种不同方法进行比较发现，Levenshtein算法的平均轮廓系数达到了91.4%，较其他方法平均提高12%，能够有效应对精确度降低和检索效率低下的问题。
关键词：数据聚类;;字符串相似度;;轮廓系数法;;协议分析;;K-means;;URL;;CDN;;Levenshtein算法
基金资助：国家自然科学基金项目(62262067);国家自然科学基金项目(61962059);; 陕西省教育厅自然科学专项项目(24JK0723);; 延安市科技计划项目(2022SLGYGG-007)
