版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、近年來(lái),通用搜索引擎技術(shù)已經(jīng)取得了長(zhǎng)足的發(fā)展,其應(yīng)用也非常廣泛。但是,通用搜索引擎無(wú)法滿足一些特定互聯(lián)網(wǎng)用戶的專業(yè)性搜索需求。尤其對(duì)于企業(yè)用戶,他們將領(lǐng)域數(shù)據(jù)作為經(jīng)營(yíng)和分析的基礎(chǔ),對(duì)于領(lǐng)域數(shù)據(jù)有著更專業(yè)與全面的要求。為了解決這個(gè)問(wèn)題,垂直搜索技術(shù)應(yīng)運(yùn)而生,并成為了業(yè)界研究的熱點(diǎn)。垂直搜索引擎是針對(duì)某一個(gè)行業(yè)的專業(yè)搜索引擎。它通過(guò)主題判定和定向的結(jié)構(gòu)化數(shù)據(jù)抽取來(lái)向用戶返回具體的領(lǐng)域數(shù)據(jù)搜索結(jié)果。垂直搜索引擎能夠徹底避免通用搜索引擎的噪音數(shù)
2、據(jù)量大、查詢不準(zhǔn)確、查詢深度不夠等問(wèn)題,因此得到了更多企業(yè)用戶的關(guān)注。本文旨在針對(duì)垂直搜索引擎中的兩項(xiàng)關(guān)鍵技術(shù),主題判定和結(jié)構(gòu)化數(shù)據(jù)抽取展開(kāi)研究,并實(shí)現(xiàn)相關(guān)技術(shù)。
含有豐富結(jié)構(gòu)化數(shù)據(jù)的Web頁(yè)面主題判定是垂直搜索引擎的核心,是結(jié)構(gòu)化數(shù)據(jù)抽取的前提,具有重要的學(xué)術(shù)價(jià)值,工程應(yīng)用也非常廣泛。本文針對(duì)含有豐富結(jié)構(gòu)化數(shù)據(jù)的Web頁(yè)面,提出了復(fù)用結(jié)構(gòu)化數(shù)據(jù)抽取模板來(lái)進(jìn)行Web頁(yè)面主題識(shí)別的分類框架。本文提出的方法避免了主題爬蟲(chóng)對(duì)URL格
3、式嚴(yán)重依賴的問(wèn)題,分類準(zhǔn)確率也高于傳統(tǒng)的文本分類方法。論文通過(guò)實(shí)驗(yàn)證明了框架在含有豐富結(jié)構(gòu)化數(shù)據(jù)的Web頁(yè)面分類方面的有效性。
考慮到企業(yè)用戶希望從垂直搜索引擎中獲得大眾的情感傾向用以輔助企業(yè)決策,本文研究了中文短信息的主題識(shí)別問(wèn)題,為以后的情感分析提供基礎(chǔ)。本文以短信息新聞與中文短信息的相似性為理論基礎(chǔ),提出基于5W(When,Where,Who,What,hoW)模型的中文短信息主題識(shí)別算法5WTAG。5WTAG算法首先對(duì)
4、中文短消息進(jìn)行語(yǔ)句切分,然后針對(duì)各個(gè)子句抽取5W關(guān)鍵詞并創(chuàng)建候選主題標(biāo)簽,最后使用統(tǒng)計(jì)和語(yǔ)義分析的方法計(jì)算候選主題標(biāo)簽的推薦度。本文使用采集于新浪微博的真實(shí)數(shù)據(jù)對(duì)5WTAG算法在候選主題標(biāo)簽語(yǔ)義正確性、推薦度計(jì)算方法正確性等方面進(jìn)行了評(píng)價(jià)。
最后,為了解決垂直搜索引擎中的結(jié)構(gòu)化數(shù)據(jù)抽取問(wèn)題,提出了Web頁(yè)面的結(jié)構(gòu)化數(shù)據(jù)自動(dòng)抽取技術(shù)。該技術(shù)使用結(jié)構(gòu)化數(shù)據(jù)抽取模板對(duì)含有豐富結(jié)構(gòu)化數(shù)據(jù)的Web頁(yè)面進(jìn)行結(jié)構(gòu)化數(shù)據(jù)抽取。為了實(shí)現(xiàn)自動(dòng)化,
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 垂直搜索引擎關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 垂直搜索引擎關(guān)鍵技術(shù)研究
- 垂直搜索引擎關(guān)鍵技術(shù)研究.pdf
- 垂直搜索引擎中關(guān)鍵技術(shù)的研究
- 垂直搜索引擎中關(guān)鍵技術(shù)的研究.pdf
- 垂直搜索引擎若干關(guān)鍵技術(shù)的研究.pdf
- 搜索引擎關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 構(gòu)件垂直搜索引擎的關(guān)鍵技術(shù)研究.pdf
- 垂直搜索引擎關(guān)鍵技術(shù)研究及應(yīng)用.pdf
- 大豆主題垂直搜索引擎關(guān)鍵技術(shù)的研究與設(shè)計(jì).pdf
- 專家信息垂直搜索引擎關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 基于Lucene的垂直搜索引擎關(guān)鍵技術(shù)研究.pdf
- 面向圖像的垂直搜索引擎關(guān)鍵技術(shù)研究.pdf
- 智能搜索引擎關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
- 個(gè)性化垂直搜索引擎關(guān)鍵技術(shù)研究.pdf
- 短信搜索引擎中關(guān)鍵技術(shù)的研究與實(shí)現(xiàn).pdf
- 基于Lucene的垂直搜索引擎關(guān)鍵技術(shù)的研究應(yīng)用.pdf
- WAP搜索引擎關(guān)鍵技術(shù)的研究和實(shí)現(xiàn).pdf
- 垂直搜索引擎關(guān)鍵技術(shù)研究及分布式實(shí)現(xiàn).pdf
- 面向垂直搜索引擎的聚焦網(wǎng)絡(luò)爬蟲(chóng)關(guān)鍵技術(shù)研究與實(shí)現(xiàn).pdf
評(píng)論
0/150
提交評(píng)論