搜索引擎中搜索結(jié)果組織的研究.pdf

1、搜索引擎是信息網(wǎng)絡(luò)時(shí)代人們不可缺少的獲取信息的重要工具，人們通過輸入查詢來獲取搜索結(jié)果，從而從網(wǎng)絡(luò)上的離散海量數(shù)據(jù)中獲取想要的信息。然而當(dāng)前搜索引擎返回的結(jié)果數(shù)量龐大，人們要獲取想要的信息仍然比較困難。用戶的需求是以最快的速度獲得與查詢最相關(guān)并且最權(quán)威的網(wǎng)頁信息。圍繞這兩個(gè)需求高效的組織查詢結(jié)果是搜索引擎亟需解決的問題。本文就是在這樣的技術(shù)背景下展開研究，研究對象是兩種主要的搜索結(jié)果組織技術(shù)：網(wǎng)頁排序和搜索結(jié)果聚類。 首先，以W

2、eb挖掘的三個(gè)方面Web內(nèi)容挖掘、Web結(jié)果挖掘和Web使用挖掘?yàn)橹骶€，對主流網(wǎng)頁排序算法PageRank，HITS及其派生算法進(jìn)行了詳細(xì)綜述，并提出網(wǎng)頁排序算法的發(fā)展趨勢，即綜合使用網(wǎng)頁的多方面信息用于排序、結(jié)合Web使用信息設(shè)計(jì)個(gè)性化的排序算法。 在PageRank框架下，綜合使用網(wǎng)頁內(nèi)容和鏈接結(jié)構(gòu)信息，修改經(jīng)典的隨機(jī)訪問模型，提出擴(kuò)展的PageRank算法來解決用戶對搜索結(jié)果的相關(guān)性和權(quán)威性兩方面需求。修改后的隨機(jī)訪問模型

3、，增強(qiáng)了網(wǎng)頁權(quán)威性和內(nèi)容相關(guān)性在權(quán)值分配中的重要性。最終開發(fā)了網(wǎng)頁排序算法實(shí)驗(yàn)平臺(tái)，驗(yàn)證了算法的有效性，相同條件下可以獲得比。PageRank更好的排序結(jié)果。 中文網(wǎng)頁信息處理時(shí)中文分詞是必不可少的重要步驟之一，針對基于字典的中文分詞算法對歧義詞和未登錄詞分詞效率低的問題，提出基于字典和后綴數(shù)組的分詞算法，實(shí)驗(yàn)表明本算法可以有效提取高頻未登錄和歧義的詞和短語。 對傳統(tǒng)的聚類算法和文本聚類算法進(jìn)行了綜述性研究，指出用于搜索