版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、近年來隨著互聯(lián)網(wǎng)技術的發(fā)展,Web信息量飛速增長,如何從大量信息中迅速有效地檢索出所需的信息成為了人們關注的問題,搜索引擎也因此走入了人們的生活。如今,搜索引擎的功能日益強大,抓取的信息也日益增多,但用戶卻似乎越來越難檢索到自己所需要的信息。歸結因為主要有兩點,一是由于關鍵詞所能夠反映的信息量是有限的,用戶無法通過簡單的幾個查詢詞準確的表達自己的查詢意圖。二是由于目前典型的搜索引擎返回的是一個處理后的結果列表,內容非常雜亂和龐大,由于缺
2、少反映搜索結果內部關聯(lián)的信息,用戶很難從迅速識別出自己需要的信息。針對以上兩點主要問題,本文主要研究了用戶查詢擴展技術和搜索結果自動聚類技術。
在查詢擴展技術中引入語義計算是一個重要研究方向。現(xiàn)有的解決方法普遍存在引入無關詞、缺少領域知識以及篩選函數(shù)不恰當?shù)膯栴}。本文提出了一種結合了領域知識選取與局部反饋的語義關聯(lián)樹的查詢擴展模型,從語義的角度進行查詢擴展,改進了擴展詞篩選函數(shù)、增加了閾值限定,有效控制了噪音。
3、 在聚類算法上,STC方法是一種公認較好的用于Web搜索結果聚類的算法。SHOC、Lingo算法將向量空間模型(VSD Model)與后綴樹文檔表示模型結合起來,既考慮了詞的位置信息,又考慮詞的統(tǒng)計特性,在STC的基礎上有了較好的發(fā)展。然而,現(xiàn)有的聚類算法普遍存在聚類標簽可讀性不強,信息量不足,區(qū)分性較差等問題,且聚類結果不能充分反映用戶興趣。
本文提出了一種改進的Web檢索結果聚類推薦算法CQIG,構建后綴數(shù)組找到完整
4、短語,結合矩陣奇異值分解產生候選聚類標簽,選取更為有效的特征改進標簽評分公式和聚類得分公式。同時采用了基本類合并技術,產生了更具表述性、區(qū)分性和可讀性的聚類結果并有效控制了重疊聚類。本文方法同時還加強了對于中文檢索的處理效果。
本文建立了Web搜索結果聚類推薦引擎,采用了carrot2平臺作為基礎框架,通過各種大型搜索引擎API獲得源數(shù)據(jù),通過網(wǎng)頁清洗,分詞,提取特征項,建立VSM,構造CQIG、STC及Lingo進行聚類
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Web圖像檢索中并行聚類技術研究.pdf
- 信息檢索中的查詢擴展技術研究.pdf
- 信息檢索中的查詢擴展及相關技術研究.pdf
- Web信息檢索結果聚類系統(tǒng)的研究.pdf
- 檢索結果聚類中的類別標簽抽取技術研究.pdf
- Flash內容檢索的查詢擴展技術研究.pdf
- 跨語言信息檢索的查詢消歧及查詢擴展技術研究.pdf
- 文本檢索結果聚類及類別標簽抽取技術研究.pdf
- Web文本聚類技術及聚類結果可視化研究.pdf
- 基于PLSI的信息檢索中查詢擴展相關技術研究.pdf
- 科技查新查詢擴展及結果排序技術研究.pdf
- 基于Web的查詢擴展技術研究及其應用.pdf
- Web搜索結果聚類研究.pdf
- 人名聚類檢索技術研究.pdf
- 信息檢索中的查詢擴展與檢索模型研究.pdf
- 基于主題的聚類檢索技術研究.pdf
- 基于聚類的圖像檢索技術研究.pdf
- 查詢擴展技術研究.pdf
- 領域本體的查詢擴展及檢索研究.pdf
- Deep Web查詢接口聚類的研究.pdf
評論
0/150
提交評論