基于Coreseek的垂直搜索引擎研究與優(yōu)化.pdf

1、互聯(lián)網(wǎng)成為了人們獲取信息的直接途徑，與人們生活息息相關(guān)。通用搜索引擎檢索的范圍大，內(nèi)容全面，滿足用戶搜索的基本需求，但是返回結(jié)果中包含了大量無關(guān)的信息。垂直搜索引擎彌補(bǔ)了通用搜索引擎的不足，垂直搜索引擎檢索范圍小，只包含某一領(lǐng)域或者某一主題的內(nèi)容，保證搜索結(jié)果的相關(guān)性，而且垂直搜索引擎對網(wǎng)頁信息進(jìn)行預(yù)處理，將結(jié)構(gòu)化的數(shù)據(jù)返回給用戶，使搜索結(jié)果清晰呈現(xiàn)。
　　論文討論和研究通用搜索引擎和垂直搜索引擎的相關(guān)原理、技術(shù)和實(shí)現(xiàn)過程，對垂直

2、搜索引擎涉及的主題網(wǎng)絡(luò)爬蟲、信息結(jié)構(gòu)化抽取、中文分詞技術(shù)和中文全文搜索引擎工具Coreseek進(jìn)行了介紹和分析。在論文中所做的主要工作有:論文采用MMSEG分詞算法對圖書信息進(jìn)行分詞處理，為了更加精確切分有關(guān)于圖書類的專有名詞，在LibMMSeg詞庫中進(jìn)行了擴(kuò)充，對改進(jìn)前后的詞庫進(jìn)行對比實(shí)驗(yàn)，改進(jìn)后的詞庫能夠精確切分圖書作者、出版社等名詞;修改了Coreseek全文搜索工具的排序算法，與Coreseek基本的排序算法進(jìn)行對比，實(shí)驗(yàn)結(jié)果表