中文專業(yè)搜索引擎優(yōu)化策略研究.pdf

1、隨著Web信息的急劇增長，使用戶獲得自己想要的信息資源變得越來越困難。用戶所獲得的信息往往不準(zhǔn)確、不及時(shí)。這需要我們對搜索引擎做進(jìn)一步研究。中文專業(yè)搜索引擎是搜索引擎發(fā)展的重要分支，它具有通用搜索引擎所不具有的優(yōu)勢。本文對中文專業(yè)搜索引擎做了大量研究，主要包含下面幾個(gè)方面。 (1)對主題網(wǎng)絡(luò)蜘蛛的搜索策略進(jìn)行了研究主題網(wǎng)絡(luò)蜘蛛的搜索策略是中文專業(yè)搜索引擎的核心技術(shù)，其搜索策略的好壞嚴(yán)重制約著整個(gè)搜索引擎的性能。研究發(fā)現(xiàn)在眾多搜索

2、算法中Best-First算法非常適合針對某一領(lǐng)域信息進(jìn)行搜索，并且它的性能也是以往搜索算法中最優(yōu)的。但是它本身也存在著缺陷，具有很大的“貪婪性”，只能搜索到局部范圍內(nèi)的最優(yōu)解，無法得到全局范圍內(nèi)的最優(yōu)解。故以Best-First算法為基礎(chǔ)，提出了BF-BF算法，該算法能夠解決Best-First算法的不足，在全局范圍內(nèi)找到最優(yōu)解。 (2)對網(wǎng)頁文檔的分類與索引問題進(jìn)行了研究網(wǎng)頁文檔的分類通常采用VSM模型。也就是將文檔的內(nèi)容表

3、示成特征向量的形式。但是文檔初始特征向量的特征項(xiàng)之間很難保持獨(dú)立性，并且所形成的向量往往維數(shù)過高，增大了計(jì)算量，又沒有實(shí)際意義。針對這種情況，提出了將文檔的初始特征向量進(jìn)行概念歸一化處理，處理以后所得到的文檔概念特征向量既降低了向量的維數(shù)，又保持了特征項(xiàng)之間的獨(dú)立性。 (3)針對檢索模塊的優(yōu)化問題做了研究檢索模塊是搜索引擎和用戶直接交互的部分，它的優(yōu)化問題直接關(guān)系到搜索引擎的受歡迎程度。為了提高檢索模塊的性能提出了將系統(tǒng)知識(shí)庫和