基于元搜索與內(nèi)容聚類的情報(bào)獲取技術(shù)研究.pdf

1、目前對(duì)網(wǎng)絡(luò)信息已經(jīng)成為主要的情報(bào)源，其獲取的主要方式之一就是使用搜索引擎。但是，利用搜索引擎獲取的網(wǎng)絡(luò)信息仍存在很多問題：例如獲取的信息量很大但是有用信息很少；獲取的信息多樣但是用戶無法識(shí)別相關(guān)信息群體等。有用信息資源的獲取已經(jīng)逐漸成為情報(bào)業(yè)發(fā)展的一個(gè)瓶頸。因此，如何從海量信息中剔除無用信息，迅速定位至信息群，從而快速、高效地獲取情報(bào)資源，并對(duì)其進(jìn)行加工整理并提供給情報(bào)用戶，是情報(bào)界人士面臨的一大挑戰(zhàn)，也是目前亟需解決的問題。

2、本論文以提高情報(bào)獲取效率與質(zhì)量為主要目標(biāo)，研究和實(shí)現(xiàn)了基于元搜索與內(nèi)容聚類的情報(bào)獲取系統(tǒng)。主要?jiǎng)?chuàng)新點(diǎn)：(1)設(shè)計(jì)了情報(bào)獲取系統(tǒng)的總體框架，提出了搜索模塊、運(yùn)算模塊、用戶模塊三大功能模塊，并闡述各模塊的功能流程。(2)提出了基于網(wǎng)頁標(biāo)題摘要分析方法進(jìn)行元搜索引擎結(jié)果相關(guān)性判斷。實(shí)驗(yàn)結(jié)果表明，元搜索引擎搜索結(jié)果的平均準(zhǔn)確率比各個(gè)成員引擎的搜索結(jié)果平均準(zhǔn)確率都有較大提高。(3)結(jié)合當(dāng)前兩種主要的聚類算法—K—means劃分法和BIRCH聚類算