基于維基百科的搜索結(jié)果挖掘.pdf

1、在當(dāng)今的互聯(lián)網(wǎng)中，搜索引擎以其快速和直接的資源訪問方式，得到了越來越多用戶的青睞，并發(fā)揮著越來越重要的作用。而在搜索引擎中，搜索結(jié)果是其和用戶交流的直接媒介，搜索結(jié)果的質(zhì)量以及其展示的質(zhì)量直接影響著用戶的體驗。本文主要的研究集中在搜索結(jié)果的挖掘上，更確切的說，是搜索結(jié)果的動態(tài)摘要生成和搜索結(jié)果的聚類兩個方面。
　　動態(tài)摘要是以查詢詞為中心的文檔簡要描述。在很多場景下，動態(tài)摘要可以通過對文檔中的句子進(jìn)行查詢詞相關(guān)的評分排序來生成。然

2、而，由于缺乏更多信息或是背景知識，很多時候，度量某個查詢詞和文檔中每一句話的相似度是一項很困難的任務(wù)。本文提出了一種新的結(jié)合了來自維基百科的語義信息的動態(tài)摘要生成方法，實驗表明本方法所生成的動態(tài)摘要的質(zhì)量得到了提高。另外，在文檔中查詢詞出現(xiàn)次數(shù)相對較低的情況下，這種方法對于動態(tài)摘要質(zhì)量提升的幅度尤其明顯。另外，本工作還討論了從維基百科中提取的概念向量長度對動態(tài)摘要質(zhì)量的影響。
　　針對某些查詢詞，特別是有歧義的查詢詞，搜索結(jié)果中可

3、能包含多個不同方面的信息，而區(qū)分這些不同方面的信息并把它們聚合的技術(shù)就是搜索結(jié)果聚類技術(shù)。傳統(tǒng)的聚類方法在聚類過程中通常使用簡單的文本相似度，但是這種方法往往不能提供很有意義的聚類結(jié)果，并且無法給每個類別提供具有可讀性的標(biāo)題。本工作提出了一種基于維基百科知識的搜索結(jié)果聚類方法，此方法首先使用了維基百科的知識來把文本映射到維基百科的概念，并在此基礎(chǔ)上進(jìn)行聚類。實驗證明該算法具有很好的效果。另外，還在實驗中發(fā)現(xiàn)，非線性的機(jī)器學(xué)習(xí)方法如SVM