基于時態(tài)信息的搜索引擎的研究與實現.pdf

1、互聯網已成為現代人生活不可或缺的一部分，是人們獲取信息的重要來源。同時互聯網上不斷增長的海量數據也給用戶帶來了新的挑戰(zhàn)，面對如此海量的信息資源，用戶要從其中快速找出自己需要的信息是非常困難的。為了解決這一問題，搜索引擎誕生了。搜索引擎根據一定的策略，利用特定的程序從互聯網上搜集信息，在對信息進行加工處理后，為用戶提供搜索服務，將和用戶搜索相關的信息以簡單明了的方式展示給用戶。
　　 搜索引擎的快速發(fā)展給網民帶來了極大的方便，但其

2、還是沒能從實質上解決上述的問題，現有的搜索引擎通過關鍵字匹配的方式檢索網頁，通常會返回很多的結果，其中包含大量對用戶來說是無用的網頁，用戶仍然很難快速準確的獲取自己所需的網頁。
　　 時間作為信息的本質屬性之一，同樣也是網頁的本質屬性之一。當人們閱讀一篇新聞報道時，總是把新聞的內容和時間聯系起來，有些信息只有在特定的時間下才有意義。在搜索信息的時候加上時態(tài)信息，可以更加準確的表達用戶的查詢意圖，使得搜索引擎能夠更加快速準確地找到

3、用戶所需要的信息，所以對時態(tài)信息的研究將是搜索引擎系統中非常重要的課題，越來越多的搜索引擎系統引入了時態(tài)信息搜索，Google，Baidu搜索引擎在高級搜索中都提供時態(tài)信息搜索，但是他們所提供的時態(tài)信息搜索，只是針對網頁的更新時間或者是網頁被收錄的時間，而沒有考慮到網頁的內容時間。
　　 本文首先介紹了搜索引擎的基礎知識，然后在開源搜索引擎Nutch的基礎上添加了時態(tài)信息抽取功能，利用基于規(guī)則的方法從網頁文本內容中抽取出時態(tài)信息