2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩69頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、Internet的迅速發(fā)展使其成為當(dāng)今世界上最大的信息庫(kù),并日益成為人們獲取所需資源的主要來(lái)源,然而其巨大的信息量以及紛繁蕪雜的內(nèi)容與人們有目的的利用信息形成了很大的矛盾。與此同時(shí),傳統(tǒng)的綜合性搜索引擎要采集的信息以及構(gòu)建索引查詢的內(nèi)容不斷擴(kuò)大,由于其局限于試圖索引全部Web并試圖服務(wù)于所有主題的查詢請(qǐng)求,導(dǎo)致了通用搜索引擎很難再為用戶提供一個(gè)全面并且更新及時(shí)的信息搜索服務(wù),所以如何快速、準(zhǔn)確地從浩瀚的信息資源中找到有用的信息成為網(wǎng)絡(luò)用

2、戶面臨的一個(gè)緊要問(wèn)題。用戶迫切需要一個(gè)數(shù)據(jù)分類細(xì)致、精確、全面、更新及時(shí)的搜索引擎來(lái)獲取主題資源信息。由于面向主題的搜索引擎只覆蓋與特定主題相關(guān)的Web區(qū)域,這樣搜索可以更深,周期可以更短,因此能滿足用戶對(duì)獲取信息資源快速、準(zhǔn)確的性能要求,所以成為目前研究的熱點(diǎn)。而Web挖掘作為知識(shí)挖掘新的研究?jī)?nèi)容,由于自身在信息處理中的層次較高,同時(shí)與搜索引擎的關(guān)系非常密切,對(duì)搜索引擎技術(shù)有很大借鑒作用。所以搜索引擎通過(guò)應(yīng)用Web挖掘技術(shù),可以增強(qiáng)信

3、息處理能力,使得信息檢索的能力滿足信息化社會(huì)的發(fā)展需要。 本文首先從研究的角度對(duì)搜索引擎的產(chǎn)生及其發(fā)展歷程進(jìn)行分析,對(duì)目前綜合性通用搜索引擎的工作原理及其現(xiàn)狀進(jìn)行討論,從而引出了傳統(tǒng)搜索引擎面臨的巨大挑戰(zhàn)。在此基礎(chǔ)上對(duì)主題搜索引擎的支撐技術(shù)進(jìn)行充分研究,對(duì)于導(dǎo)向詞的使用、網(wǎng)頁(yè)評(píng)分、權(quán)威網(wǎng)頁(yè)和中心網(wǎng)頁(yè)的提取以及超鏈接文本分析等方面充分理解,最終確定論文研究的主要方向?yàn)槿绾伟选疻EB挖掘領(lǐng)域中的研究成果應(yīng)用于主題搜索引擎的設(shè)計(jì)和實(shí)現(xiàn)

4、中。本文的研究重點(diǎn)為以下四個(gè)方面: 1.Topical-Crawler信息采集:抓住如何評(píng)價(jià)頁(yè)面的主題相關(guān)性和設(shè)計(jì)高效的爬行策略這兩個(gè)關(guān)鍵問(wèn)題。提出了基于主題策略改進(jìn)網(wǎng)頁(yè)爬行器的方法:把主題詞及相關(guān)權(quán)值、首頁(yè)相關(guān)度以及基于鏈接的評(píng)價(jià)方法綜合應(yīng)用于爬行器的改進(jìn),提高搜索引擎資源獲取的主題相關(guān)度。 2.網(wǎng)頁(yè)文本分類:采用傳統(tǒng)的向量空間模型表示文本,采用基于詞典雙向最大匹配法進(jìn)行自動(dòng)分詞,提高文本特征抽取方面準(zhǔn)確度,之后綜合分

5、析對(duì)比了幾種比較成熟的分類學(xué)習(xí)算法,改進(jìn)了多項(xiàng)式樸素貝葉斯模型,提高了分類精度。 3.基于Lucene的索引與檢索:在Apache開(kāi)源框架Lucene提供的完整的查詢引擎和索引引擎的基礎(chǔ)上,完成索引及查詢模塊,對(duì)已分類的網(wǎng)頁(yè)文本進(jìn)行索引,提高索引及查詢的效率。 4.搜索結(jié)果聚類:研究聚類算法在搜索結(jié)果聚類的應(yīng)用特性:重疊聚類、短語(yǔ)表示以及簡(jiǎn)明的類定義。在進(jìn)行檢索時(shí),對(duì)已檢索到的結(jié)果進(jìn)行聚類分析,根據(jù)文檔與用戶查詢的相關(guān)性

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論