COBWEB वस्तुओं को एक वर्गीकरण ट्री में क्रमिक रूप से शामिल करता है। COBWEB "सर्वश्रेष्ठ होस्ट" या नोड की तलाश में, जिस पर ऑब्जेक्ट को परिभाषित किया जाता है, एक आवंटित पथ के साथ पेड़ पर उतरता है, विधि के साथ ताज़ा मायने रखता है।
यह निर्णय अस्थायी रूप से प्रत्येक नोड में वस्तु का पता लगाने और परिणामी विभाजन की श्रेणी उपयोगिता की गणना पर निर्भर करता है। उच्चतम तत्व उपयोगिता में परिणामित प्लेसमेंट वस्तु के लिए सबसे अच्छा होस्ट होना चाहिए।
COBWEB विभाजन की श्रेणी उपयोगिता की भी गणना करता है जिसके परिणामस्वरूप ऑब्जेक्ट के लिए एक नया नोड बनाया जा सकता है। ऑब्जेक्ट वर्तमान वर्ग में स्थित है, या इसके लिए एक नया वर्ग उत्पन्न होता है, जो सबसे बड़े श्रेणी उपयोगिता मूल्य वाले विभाजन के आधार पर होता है। COBWEB में विभाजन में कई वर्गों को स्वचालित रूप से समायोजित करने की क्षमता है। ऐसा इनपुट पैरामीटर देने के लिए उपयोगकर्ता पर भरोसा करने की आवश्यकता नहीं है।
COBWEB में दो ऑपरेटर हैं जो इसे इनपुट ऑर्डर के प्रति कम संवेदनशील बनाने में मदद करते हैं। ये संयोजन और विभाजन कर रहे हैं। जब किसी वस्तु को एकीकृत किया जाता है, तो दो सर्वश्रेष्ठ मेजबानों को एक ही वर्ग में संयोजित करने के लिए माना जाता है।
इसके अलावा, COBWEB अच्छे मेजबान के बच्चों को वर्तमान श्रेणियों के बीच विभाजित करने पर विचार करता है। ये निर्णय श्रेणी उपयोगिता पर निर्भर करते हैं। संयोजन और विभाजन ऑपरेटर COBWEB को एक द्विदिश खोज को लागू करने में सक्षम बनाते हैं, उदाहरण के लिए, एक मर्ज पिछले विभाजन को पूर्ववत कर सकता है।
COWEB की सीमाएं
COWEB की सीमा इस प्रकार है -
यह इस धारणा पर निर्भर करता है कि स्वतंत्र विशेषताओं पर संभाव्यता वितरण एक दूसरे से सांख्यिकीय रूप से अलग हैं। यह धारणा हमेशा सही नहीं होती क्योंकि विशेषताओं के बीच संबंध अक्सर मौजूद होते हैं।
इसके अलावा, क्लस्टर का संभाव्यता वितरण विवरण क्लस्टर को रीफ्रेश और स्टोर करने के लिए काफी महंगा बनाता है। यह विशेष रूप से तब होता है जब विशेषताओं में बड़ी संख्या में मूल्य होते हैं क्योंकि समय और स्थान की जटिलताएं न केवल कई विशेषताओं पर निर्भर करती हैं, बल्कि प्रत्येक विशेषता के लिए कई मान भी होती हैं।
इसके अलावा, वर्गीकरण ट्री विषम इनपुट रिकॉर्ड के लिए ऊंचाई-संतुलित नहीं है, जिससे समय और स्थान की जटिलता नाटकीय रूप से कम हो सकती है।
CLASSIT निरंतर (या वास्तविक-मूल्यवान) जानकारी के वृद्धिशील क्लस्टरिंग के लिए COBWEB का विस्तार है। यह प्रत्येक नोड में प्रत्येक एकल विशेषता के लिए एक निरंतर सामान्य वितरण (यानी, माध्य और मानक विचलन) को बचाता है और एक संशोधित श्रेणी उपयोगिता माप की आवश्यकता होती है जो COBWEB में असतत विशेषताओं के योग के बजाय निरंतर विशेषताओं पर एक तत्व है।