基于網(wǎng)頁鏈接和網(wǎng)頁內(nèi)容疊加的垂直搜索策略與算法研究.pdf

1、隨著科技和網(wǎng)絡(luò)的快速發(fā)展，人們已經(jīng)進入了大數(shù)據(jù)時代，互聯(lián)網(wǎng)上的信息資源已經(jīng)多到人們無法想象的數(shù)量，不僅如此，互聯(lián)網(wǎng)上每天還在產(chǎn)生著大量的信息資源。
　　網(wǎng)絡(luò)上充斥著大量的資源，比如多媒體資源、文本資源等等。在這些資源中，文本資源是人們?nèi)粘z索的主要資源。網(wǎng)絡(luò)上文本資源的搜索與使用已經(jīng)成為了人們生活中必不可少的一部分。當人們使用通用搜索引擎在檢索信息資源時，會發(fā)現(xiàn)有很多不相關(guān)的頁面產(chǎn)生，這就需要人們自己去篩選所需要的信息，浪費了人們

2、的時間，同時也造成了人們的困擾。人們?nèi)绾卧谌绱舜罅康男畔①Y源中快速、深入、準確的找到自己所需要的信息資源呢，這時就需要垂直搜索引擎來滿足人們的需求了。垂直搜索引擎是針對某一個行業(yè)的專業(yè)搜索引擎，具有深入性、準確性和專業(yè)性等特點。
　　本論文重點研究了基于網(wǎng)頁鏈接和基于網(wǎng)頁內(nèi)容的搜索策略，并深入分析和總結(jié)了兩種搜索策略的優(yōu)缺點。同時對基于網(wǎng)頁鏈接的PageRank算法和基于網(wǎng)頁內(nèi)容的Shark-Search算法各自的缺點分別提出了相

3、應(yīng)的改進措施。但是，基于網(wǎng)頁鏈接的搜索策略偏重于網(wǎng)頁之間的鏈接結(jié)構(gòu)，而忽視了頁面內(nèi)容的相關(guān)性;基于網(wǎng)頁內(nèi)容的搜索策略又過于偏重頁面內(nèi)容的相關(guān)性，而忽視了頁面之間的鏈接關(guān)系，因此，為了既要發(fā)揮兩種算法各自的優(yōu)點，又要有效避免兩種算法各自的缺點，本文提出了基于網(wǎng)頁鏈接和基于網(wǎng)頁內(nèi)容相疊加的搜索策略。
　　本論文在研究和應(yīng)用Lucene搜索引擎框架的基礎(chǔ)上，對Lucene搜索引擎框架的設(shè)計原理、特色以及評分系統(tǒng)進行全面深入的分析。Nut