垂直搜索中XML索引及頁面排序技術(shù)研究.pdf

1、當今世界，伴隨著互聯(lián)網(wǎng)技術(shù)的急速發(fā)展，網(wǎng)絡(luò)信息的膨脹速度呈指數(shù)增長。各行各業(yè)的人們由于互聯(lián)網(wǎng)而緊密聯(lián)系在一起，信息共享越來越受到人們的重視。在這樣的條件下，搜索引擎技術(shù)迅速發(fā)展起來。然而人們對獲取信息的時效性、針對性、準確性等方面有了新的要求，因此基于各專業(yè)的搜索引擎即垂直搜索引擎也應(yīng)運而生。傳統(tǒng)的搜索引擎大都是基于HTML語言的，HTML重顯示而非內(nèi)容的特點大大限制了搜索引擎的查準率，傳統(tǒng)搜索引擎的查準率函待提高。隨著W3C推出的一種

2、可擴展標記語言XML以來，查準率問題得到了一定程度的解決。XML的標記含義豐富、意義明確，能明白的提示所標記的內(nèi)容，搜索引擎可以依靠標記和內(nèi)容之間的依存關(guān)系，準確定位、找到目標，從而大大減小搜索范圍，提高檢索精度。在這種發(fā)展背景下，本文對基于XML的垂直搜索引擎進行了研究。 首先，本文對比介紹了XML語言與HTML語言以及搜索引擎的工作原理和相關(guān)技術(shù)，說明XML語言和搜索引擎結(jié)合可以提高查準率的原因。接著，本文設(shè)計了基于XML的

3、垂直搜索引擎的模型，介紹了模型的設(shè)計思想及總體框架。模型包括頁面抓取模塊、頁面整合模塊、XML解析模塊、索引模塊和用戶查詢模塊這幾部分。本文詳細描述了各個模塊的結(jié)構(gòu)和實現(xiàn)思想。 然后，本文重點介紹垂直搜索引擎中的基于XML文檔索引建立模塊。針對XML文檔的特點，本文設(shè)計的索引模塊包括節(jié)點結(jié)構(gòu)構(gòu)造器和索引器兩部分，其中節(jié)點結(jié)構(gòu)構(gòu)造器用來給DOM樹進行結(jié)構(gòu)構(gòu)造，索引器用來為XML文檔建立索引。文章對XML文檔的結(jié)構(gòu)和內(nèi)容都建立了索引