收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

分布式搜索引擎结果聚类方法的设计与实现

胡新主  
【摘要】:信息技术的发展,使得互联网成为获取知识的重要途径,而搜索引擎成为人们从这浩瀚的知识库中快速且有效的定位信息的有力武器。但是,搜索引擎的检索结果纷繁复杂,使得从检索结果中定位用户所需信息也不是一件容易的事。对检索结果的进行聚类是解决这一问题的有效方法。但目前的检索结果聚类技术仍然存在实用性不强的问题,这主要体现在:标签可读性不强,处理时间过长,聚类精度低。本论文基于CNGI-下一代互联网分布式搜索引擎(SE6),在对现有的检索结果聚类技术进行了深入的调查和研究的基础上,对检索结果的聚类算法进行改进和完善。 本论文研究主要包括三个方面的内容:1、基于内容的聚类,按照主题把结果进行划分;2、基于时间的聚类,根据检索结果的发布时间实现结果聚类;3、基于站点的聚类,按照检索结果的来源站点实现结果聚类。其中基于内容的聚类是本文研究的重点。 本文引入了《同义词词林》,按照自然语言的方式处理文档,对文档中的同义词进行合并,用《同义词词林》的词编码向量代替词向量作为文档的特征向量,有效的降低词空间的维度。在扩展候选短语时,通过记录已扩展的主干词,利用剪枝技术大大提高了算法效率。在评判短语相似度时,采用短语中的实义词对应的《同义词词林》编码比较代替传统的字符串比较,这样既考虑了自然语言的灵活性,也降低了重复短语出现的概率。 最后,本论文与现有的LQOM、Lingo和STC算法进行了对比。标签可读性方面,本文的算法比Lingo和STC算法都要好,扩展出来的标签语义更完整,主题代表性更强。在处理速度方面,本文的算法比LQOM要快很多,基本上满足搜索引擎在线处理的要求。同时在基于内容聚类的基础上,加入了基于时间的聚类和基于站点的聚类,进一步完善了已有的聚类算法,提高了结果聚类的实用性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 ;关键词搜索[J];每周电脑报;2000年38期
2 陈冰;;饿狼一样的网站提交工具——“提交饿狼”[J];科学之友;2000年07期
3 许斗;从Google看新一代搜索引擎的发展趋向[J];芜湖职业技术学院学报;2001年01期
4 周毅华;从搜索引擎的分类看其应用技巧[J];图书馆理论与实践;2002年06期
5 邹小筑;搜索引擎的选择与使用技巧[J];图书馆学研究;2002年05期
6 林燕;Google搜索引擎的搜索功能与使用技巧[J];河北科技图苑;2003年05期
7 林中;GOOGLE搜索引擎的关键词检索[J];中国信息导报;2003年03期
8 封剑待封喉;吸星大法“搜”天下 笑傲网络任我行——搜索引擎绝对专题[J];网络与信息;2003年07期
9 闫凡蕾;建设站内搜索的好帮手——Search Engine Maker[J];少年电世界;2003年08期
10 凤元杰,刘正春,王坚毅;搜索引擎主要性能评价指标体系研究[J];情报学报;2004年01期
11 杨丽杰;搜索引擎的原理与利用研究[J];现代情报;2004年02期
12 黄晓冬;Invisible Web研究综述[J];情报科学;2004年09期
13 刘正春;搜索引擎综合评价模型研究[J];数学的实践与认识;2004年09期
14 潘颖;英文网站的搜索引擎优化及其海外宣传策略[J];计算机系统应用;2004年10期
15 宋益众;搜索引擎及其使用技巧[J];杭州医学高等专科学校学报;2004年05期
16 曾尔雷;搜索引擎Ask Jeeves评介[J];农业图书情报学刊;2005年07期
17 于国富;;小心!搜索引擎惹麻烦[J];电脑爱好者;2006年13期
18 ;第四届全国搜索引擎和网上信息挖掘学术研讨会(SEWM2006)在山东大学举行[J];山东大学学报(理学版);2006年03期
19 shalala;;retrievr:用图片搜索图片[J];电子商务世界;2006年09期
20 那罡;;移动搜索的“简单”逻辑[J];中国计算机用户;2006年26期
中国重要会议论文全文数据库 前10条
1 彭轲;廖闻剑;;浅析搜索引擎[A];中国通信学会第五届学术年会论文集[C];2008年
2 李丹;;如何利用搜索引擎查找中医药信息[A];中国中医药信息研究会第二届理事大会暨学术交流会议论文汇编[C];2003年
3 邓长寿;郭景峰;杨焱林;邓安远;;下一代Web搜索引擎初探[A];第十八届全国数据库学术会议论文集(研究报告篇)[C];2001年
4 维尼拉·木沙江;吐尔洪·吾司曼;;维、哈、柯文搜索引擎中网页爬行器的设计与实现[A];少数民族青年自然语言处理技术研究与进展——第三届全国少数民族青年自然语言信息处理、第二届全国多语言知识库建设联合学术研讨会论文集[C];2010年
5 汤薇;曾艳;;构建校园网搜索引擎必要性分析[A];广西计算机学会2008年年会论文集[C];2008年
6 姚树宇;赵少东;;一种使用分布式技术的搜索引擎[A];2005年全国开放式分布与并行计算学术会议论文集[C];2005年
7 倪俊峰;;基于黄页搜索引擎的关键字排名广告系统的设计与实现[A];2005年中国索引学会年会暨学术研讨会论文集[C];2005年
8 张怡;查贵庭;;SEO在信息服务中的应用研究[A];2010年中国索引学会年会暨学术研讨会论文集[C];2010年
9 陈援非;何哲;朱珍民;;基于普适计算的个性化搜索技术[A];第二届和谐人机环境联合学术会议(HHME2006)——第2届中国普适计算学术会议(PCC'06)论文集[C];2006年
10 杨萌;李春丽;朱明;;网络搜索技术下的编辑工作[A];学报编辑论丛(第十一集)[C];2003年
中国博士学位论文全文数据库 前10条
1 岑荣伟;基于用户行为分析的搜索引擎评价研究[D];清华大学;2010年
2 李群;主题搜索引擎聚类算法的研究[D];北京林业大学;2011年
3 苏君华;面向搜索引擎的技术接受模型研究[D];南京大学;2011年
4 刘佐达;分布协作式搜索引擎模型及算法研究[D];清华大学;2011年
5 陈旭毅;基于索引云的企业搜索引擎实现研究[D];武汉大学;2011年
6 郭眈;中文互联网视频搜索引擎系统策略研究[D];北京交通大学;2012年
7 王镠璞;基于用户体验的互联网搜索引擎医学信息检索可用性评估研究[D];吉林大学;2010年
8 李莎莎;面向搜索引擎的自然语言处理关键技术研究[D];国防科学技术大学;2011年
9 白玉琪;空间信息搜索引擎研究[D];中国科学院研究生院(遥感应用研究所);2003年
10 费巍;搜索引擎检索功能的性能评价研究[D];武汉大学;2010年
中国硕士学位论文全文数据库 前10条
1 薛云;Internet上元搜索引擎的研究与设计[D];太原理工大学;2003年
2 王春花;基于Nutch的农业搜索引擎检索结果排序策略的研究[D];西北农林科技大学;2010年
3 李雷;基于Nutch的农业信息搜索引擎实现和优化[D];吉林大学;2011年
4 董晨;基于模糊聚类的个性化搜索引擎的研究[D];福州大学;2005年
5 封俊;基于Hadoop的分布式搜索引擎研究与实现[D];太原理工大学;2010年
6 李浩;分布式教育网信息检索系统的研究和实现[D];华南理工大学;2010年
7 尉建兴;基于Lucene搜索引擎的研究与应用[D];太原理工大学;2011年
8 李建平;智能化WEB信息搜索引擎的研究与实现[D];大庆石油学院;2003年
9 田生伟;基于涉农词典的搜索引擎的研究与实践[D];新疆大学;2004年
10 欧建斌;基于Web挖掘与信息分类的个性化搜索引擎研究[D];暨南大学;2010年
中国重要报纸全文数据库 前10条
1 李一鑫;搜索排名的红与黑[N];财经时报;2007年
2 周文林;搜狗3.0能否撼动搜索市场[N];经济参考报;2007年
3 惠正一;比尔·盖茨:微软不怕Google[N];第一财经日报;2005年
4 赛迪顾问股份有限公司互联网与电子商务咨询中心 常燕杰;搜索,还是门户[N];中国计算机报;2005年
5 陈珊;浙江移动推出手机搜索引擎服务[N];人民邮电;2005年
6 赵法忠;搜索引擎还需悠着点[N];中国经营报;2005年
7 金朝力;搜索引擎火拼搜索质量[N];北京商报;2006年
8 本报记者  赵晓辉 孟昭丽;搜索引擎驶入“避风港”[N];中国证券报;2006年
9 孙琎;搜索引擎惊喜侵权官司止于“避风港”?[N];第一财经日报;2006年
10 姜蕊;问天下谁识搜索?[N];中国高新技术产业导报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978