主題元搜索引擎排序算法研究.pdf

1、主題搜索引擎的產生是針對某種具體的組織、行業(yè)的網(wǎng)絡信息來構建的，這是一個能夠使該組織、行業(yè)的搜索要求滿足的搜索引擎。隨著網(wǎng)絡信息的多元化形成，沒有任何一種主題搜索技術能應用到所有的主題信息領域，而主題元搜索引擎的出現(xiàn)很好地解決了這個現(xiàn)象。主題元搜索引擎將元搜索引擎和主題搜索引擎相結合，在提高查全率的同時又進一步提高了查準率。其中搜索引擎的分詞技術和排序技術是影響搜索結果的關鍵性。
　　本文以開源的搜索引擎Nutch為原型，使用主題

2、提取器在多個搜索引擎中提取種子站點，再從各種子站點上搜索關鍵詞，實現(xiàn)搜索的主題化和多元化，提高了查準率和查全率。針對Nutch搜索引擎按字分詞和排序效果差的問題，本文主要完成了以下兩方面的工作：第一，參考各種資料以及相關中文分詞插件文檔，通過實驗對Paoding，IKAnalyzer等中文分詞器進行了時效性以及準確率等方面的對比，選取在大量文字分詞時，時間和準確度等方面性能更優(yōu)且有豐富的本地詞庫的ICTCLAS2015分詞器，進行了Nu

3、tch中文分詞模塊的改進。第二，本文提出了結合使用PageRank算法并加入本地瀏覽器書簽作為參考因子的方法，對Nutch的評分機制進行了改進，提高了搜索結果的確切度。對改進后的算法進行了驗證，通過對實驗數(shù)據(jù)的分析說明了改進后的算法不僅可以提高PR值較高的頁面的排序結果，而且對本地書簽有相關性的搜索結果的排名有所提高。
　　本文通過結合ICTCLAS2015中文分詞插件和改良中文分詞算法對Nutch搜索引擎系統(tǒng)進行了二次開發(fā)，在此