搜索引擎的話題在線聚類及標(biāo)注方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的普及以及互聯(lián)網(wǎng)的快速發(fā)展，搜索引擎已經(jīng)成為人們?nèi)粘Ｉ钪斜貍涞男畔⑺阉髋c獲取工具。雖然搜索引擎發(fā)展非常迅速，但其效果遠(yuǎn)未達(dá)到令人滿意的程度。用戶不得不逐頁瀏覽檢索結(jié)果，這種線性的檢索結(jié)果呈現(xiàn)方式極大的降低了檢索效率，已經(jīng)成為用戶快速準(zhǔn)確的查找信息的一個瓶頸。
　　本文的主要工作是通過引入語義分析、文本聚類等自然語言處理技術(shù)，幫助用戶了解整個檢索結(jié)果的內(nèi)容分布，從而建立高效的、實(shí)時(shí)的、層次化的檢索模型。
　　本

2、文首先分析了常見的基于劃分、基于層次和基于模型等三類聚類方法，分析了衡量聚類性能的標(biāo)準(zhǔn)，并結(jié)合漢語自身的特點(diǎn)詳細(xì)的分析了中文文本聚類中所涉及到的關(guān)鍵問題及其技術(shù)，給出了通用搜索引擎在線聚類的總體設(shè)計(jì)。
　　為了提高在線聚類的效率，本文采用了一種基于重復(fù)串的文本特征提取方法。通過這種方法提取出的短語特征具有相對完整的上下文語義，以及較好的統(tǒng)計(jì)特點(diǎn)，并能顯著的降低特征空間的維度。
　　同時(shí)，結(jié)合k-means聚類方法，設(shè)計(jì)并實(shí)現(xiàn)

3、了基于話題的搜索引擎在線聚類模塊，借助重復(fù)串特征提取的結(jié)果實(shí)現(xiàn)了對聚類結(jié)果的話題標(biāo)注。結(jié)合聚類的特點(diǎn)，設(shè)計(jì)了基于聚類的檢索結(jié)果精度評估模型。
　　最后，在本實(shí)驗(yàn)中心構(gòu)建的智能化Web信息檢索平臺(InarSE)上，進(jìn)行了實(shí)驗(yàn)，對聚類結(jié)果進(jìn)行了檢索精度評估，并于通用搜索引擎的檢索結(jié)果進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，與通用搜索引擎相比，基于話題的在線聚類方法極大的提高了檢索精度。
　　本文的研究與探索為進(jìn)一步研究搜索引擎的個性化技術(shù)，