搜索引擎中搜索結(jié)果組織的研究.pdf

1、搜索引擎是信息網(wǎng)絡(luò)時(shí)代人們不可缺少的獲取信息的重要工具，人們通過(guò)輸入查詢來(lái)獲取搜索結(jié)果，從而從網(wǎng)絡(luò)上的離散海量數(shù)據(jù)中獲取想要的信息。然而當(dāng)前搜索引擎返回的結(jié)果數(shù)量龐大，人們要獲取想要的信息仍然比較困難。用戶的需求是以最快的速度獲得與查詢最相關(guān)并且最權(quán)威的網(wǎng)頁(yè)信息。圍繞這兩個(gè)需求高效的組織查詢結(jié)果是搜索引擎亟需解決的問(wèn)題。本文就是在這樣的技術(shù)背景下展開(kāi)研究，研究對(duì)象是兩種主要的搜索結(jié)果組織技術(shù)：網(wǎng)頁(yè)排序和搜索結(jié)果聚類。 首先，以W

2、eb挖掘的三個(gè)方面Web內(nèi)容挖掘、Web結(jié)果挖掘和Web使用挖掘?yàn)橹骶€，對(duì)主流網(wǎng)頁(yè)排序算法PageRank，HITS及其派生算法進(jìn)行了詳細(xì)綜述，并提出網(wǎng)頁(yè)排序算法的發(fā)展趨勢(shì)，即綜合使用網(wǎng)頁(yè)的多方面信息用于排序、結(jié)合Web使用信息設(shè)計(jì)個(gè)性化的排序算法。 在PageRank框架下，綜合使用網(wǎng)頁(yè)內(nèi)容和鏈接結(jié)構(gòu)信息，修改經(jīng)典的隨機(jī)訪問(wèn)模型，提出擴(kuò)展的PageRank算法來(lái)解決用戶對(duì)搜索結(jié)果的相關(guān)性和權(quán)威性兩方面需求。修改后的隨機(jī)訪問(wèn)模型

3、，增強(qiáng)了網(wǎng)頁(yè)權(quán)威性和內(nèi)容相關(guān)性在權(quán)值分配中的重要性。最終開(kāi)發(fā)了網(wǎng)頁(yè)排序算法實(shí)驗(yàn)平臺(tái)，驗(yàn)證了算法的有效性，相同條件下可以獲得比。PageRank更好的排序結(jié)果。 中文網(wǎng)頁(yè)信息處理時(shí)中文分詞是必不可少的重要步驟之一，針對(duì)基于字典的中文分詞算法對(duì)歧義詞和未登錄詞分詞效率低的問(wèn)題，提出基于字典和后綴數(shù)組的分詞算法，實(shí)驗(yàn)表明本算法可以有效提取高頻未登錄和歧義的詞和短語(yǔ)。 對(duì)傳統(tǒng)的聚類算法和文本聚類算法進(jìn)行了綜述性研究，指出用于搜索