分類學(xué)術(shù)文獻(xiàn)搜索引擎的應(yīng)用和研究.pdf

1、隨著互聯(lián)網(wǎng)上信息數(shù)量的指數(shù)式增加，與學(xué)術(shù)信息相關(guān)的網(wǎng)站也在隨著增長。在日常對學(xué)術(shù)信息進(jìn)行檢索時(shí)，我們發(fā)現(xiàn)，常用的學(xué)術(shù)搜索引擎在檢索的方式上，基本上都是對全文的關(guān)鍵字進(jìn)行檢索，但是網(wǎng)頁中的大部分關(guān)鍵字并不是文章的主題關(guān)鍵字，所以檢索結(jié)果中就會(huì)出現(xiàn)很多與檢索關(guān)鍵字相關(guān)度不高的結(jié)果，并且在學(xué)術(shù)搜索引擎中，關(guān)于學(xué)術(shù)網(wǎng)站的分類，大多數(shù)都是粗略、非專業(yè)的分類，并不能給予用戶很好的指導(dǎo)作用，這些都會(huì)大大的降低用戶的使用體驗(yàn)。
　　為了解決上述問

2、題，本文設(shè)計(jì)了一個(gè)基于中圖法分類的學(xué)術(shù)文獻(xiàn)搜索引擎。在網(wǎng)頁學(xué)術(shù)性判定方面，提出了基于貝葉斯算法的網(wǎng)頁學(xué)術(shù)性判斷算法，該算法通過對網(wǎng)頁內(nèi)容特征、格式特征和結(jié)構(gòu)特征的分析，實(shí)現(xiàn)了網(wǎng)頁學(xué)術(shù)性的判定；在分類方面，以中圖法的分類大綱作為分類目錄，提出了基于改進(jìn)空間向量模型的學(xué)術(shù)網(wǎng)頁分類算法，該算法通過利用網(wǎng)頁主題關(guān)鍵字構(gòu)建網(wǎng)頁向量空間，最后實(shí)現(xiàn)了網(wǎng)頁的正確分類。
　　結(jié)合上述兩個(gè)關(guān)鍵算法，在系統(tǒng)中的網(wǎng)頁主題提取部分，采用Html Parse