面向網絡文學的垂直搜索引擎的研究與實現.pdf

1、伴隨著互聯網信息爆炸式的增長，海量數據不斷產生，人們在網絡上查找所需文學作品的效率越來越低。并且隨著文學在互聯網中的高速傳播與發(fā)展，盜版、侵權、肆意抄襲作品的形勢變的越來越嚴峻。所以迫切需要一個更優(yōu)異的搜索服務，以提高搜索效率和保護網絡作品版權。搜索引擎質量的好壞，對搜索引擎的使用用戶來說具有重要意義，同時也是衡量搜索引擎技術優(yōu)劣的關鍵指標。對頁面進行重要性評估并按重要性排序是搜索引擎排序算法要深入研究的最重要的問題之一。垂直搜索引擎應

2、運而生，它把具體專業(yè)與搜索引擎結合起來，為使用者提供了更高的質量和更優(yōu)質的服務。
　　本文研究的主要內容是建立在網絡文學發(fā)展的基礎上，本文研究的核心技術是建立在搜索引擎發(fā)展的基礎上。通過研究課題的背景和意義，并深入了解搜索引擎的發(fā)展史、垂直搜索引擎的技術現狀以及搜索引擎未來的發(fā)展趨勢等知識，為本課題的研究與實現奠定了良好的理論基礎。
　　本文首先討論了垂直搜索引擎的概念和工作流程，在深入研究垂直搜索引擎原理的基礎上，對于垂直

3、搜索引擎所用到的核心技術，如網絡蜘蛛、網絡蜘蛛搜索策略、信息抽取技術、中文分詞技術等，和垂直搜索引擎所需要的搜索引擎開源框架Nutch，進行了詳細的介紹。
　　其次，分析并研究了搜索引擎領域經典的兩種網頁排序算法：PageRank算法和HITS算法，聯系當前互聯網研究現狀并結合所研究的課題方向，針對傳統的PageRank算法存在的主題飄逸現象、網頁權值分配不合理、偏重舊網頁等現象，結合網頁內容之間的相似度信息、網頁頁面結構和網頁產