一種針對嬰幼兒商品的搜索引擎的設計與實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的蓬勃發(fā)展和電子商務的日益普及，許多消費者網(wǎng)購時，會經(jīng)歷在不同網(wǎng)站間比較相似商品的復雜過程，影響了購物體驗。如何使消費者免去到各個網(wǎng)站比較商品的繁瑣步驟，能夠方便快捷的在更廣的范圍內(nèi)有效的找到所需商品，成為了電子商務領域亟須解決的問題。
　　嬰幼商品是消費者網(wǎng)上購物時關注的一個重點，但針對嬰幼商品領域的垂直搜索技術研究卻非常少，領域相關的中文分詞算法與排序算法目前也并不完善。因此，本文主要研究面向嬰幼商品領域的垂直搜索引

2、擎技術，主要內(nèi)容如下:
　　1.對現(xiàn)有的垂直搜索引擎相關技術做出介紹，并針對聚焦爬蟲技術進行了研究，在這基礎上研究了面向多網(wǎng)站嬰幼商品的爬取方法。嬰幼商品聚焦爬蟲采用基于網(wǎng)頁內(nèi)容的分析方法與廣度優(yōu)先搜索策略完成網(wǎng)頁抓取，對相關商品制定抽取規(guī)則實現(xiàn)數(shù)據(jù)抽取，并使用MongoDB作為數(shù)據(jù)庫存儲嬰幼商品信息。
　　2.研究并分析了中文分詞技術的現(xiàn)狀、難點、主要方法，并設計了一種面向嬰幼商品領域的分詞算法。該分詞方法結合了基于詞典的

3、字符串匹配方法與基于統(tǒng)計的分詞方法，實現(xiàn)了嬰幼商品領域相關度更高的中文分詞算法。實驗結果表明該算法性能可靠，穩(wěn)定有效。
　　3.在現(xiàn)有TF-IDF算法的基礎上，提出了一種考慮了詞條位置與內(nèi)容的適用于本搜索引擎的改進TF-IDF算法。通過權值評估實驗得到了各項所需參數(shù)的數(shù)值。在此基礎上設計了基于商品結構化信息的排序優(yōu)化算法。
　　4.設計與實現(xiàn)了一個針對嬰幼兒商品的垂直搜索引擎。首先對該引擎設計了總體框架，接著依次設計與實現(xiàn)了