數(shù)據(jù)挖掘在Web文本信息檢索系統(tǒng)中的應(yīng)用研究.pdf

1、隨著計(jì)算機(jī)及互聯(lián)網(wǎng)絡(luò)技術(shù)的迅速發(fā)展，網(wǎng)上文本的數(shù)量呈指數(shù)級增長。如何幫助用戶高效準(zhǔn)確地從這些海量信息中獲取有用的信息，是當(dāng)前迫切需要解決的問題。因此，Web文本信息檢索成為目前備受關(guān)注的一個(gè)熱門研究課題。文本信息檢索是指從大量文檔集合中找到與給定的查詢請求相關(guān)的、恰當(dāng)數(shù)目的文檔子集。
　　 本文首先介紹了信息檢索的發(fā)展概況和相關(guān)技術(shù)，以及信息檢索的定義，研究了信息檢索的三個(gè)基本模型(布爾模型，向量空間模型，概率模型)和信息檢索的

2、算法(基于內(nèi)容的檢索算法，基于內(nèi)容和鏈接分析的融合的檢索算法，基于分類和內(nèi)容的融合檢索算法)。并對能提高檢索性能的Web文本預(yù)處理技術(shù)進(jìn)行了深入剖析，提出了一種對網(wǎng)頁去噪的算法。
　　 其次，本文研究了傳統(tǒng)的向量空間模型，并針對傳統(tǒng)的向量空間模型的查全及查準(zhǔn)率不高等問題，提出了一種分解的向量空間模型。
　　 最后，本文為了對改進(jìn)的算法模型進(jìn)行評測，搭建了一個(gè)基于傳統(tǒng)的向量空間模型的信息檢索系統(tǒng)和一個(gè)基于分解的向量空間模型