版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、互聯(lián)網(wǎng)的飛速發(fā)展一方面給我們提供了極其豐富的信息,另一方面也加大了信息過濾的難度。互聯(lián)網(wǎng)用戶越來越依賴于搜索引擎來縮小信息檢索的范圍,從而更高效地獲取自己感興趣的內(nèi)容。但是,用戶的期望結(jié)果是小而精,通用搜索引擎追求的目標(biāo)是大而全,與用戶的特定需求南轅北轍。在這種背景下,垂直搜索引擎應(yīng)運(yùn)而生。如果把互聯(lián)網(wǎng)當(dāng)作一個(gè)服務(wù)提供者,則其成熟的一條重要標(biāo)志就是由通用化向訂制化發(fā)展,垂直搜索引擎的出現(xiàn)即是這種轉(zhuǎn)換的具體表現(xiàn),也是搜索引擎未來的發(fā)展方向
2、。
首先,本文結(jié)合互聯(lián)網(wǎng)的發(fā)展史,綜述了垂直搜索引擎的出現(xiàn)背景及意義。以煙草行業(yè)為例,深入分析了企業(yè)日益增長的信息檢索需求與通用搜索引擎固有局限性之間的矛盾,論證了垂直搜索引擎應(yīng)用于企業(yè)的必要性與可行性。然后結(jié)合筆者在煙草企業(yè)的實(shí)習(xí)經(jīng)歷,設(shè)計(jì)并實(shí)現(xiàn)了一種針對煙草行業(yè)的垂直搜索引擎。在對垂直搜索引擎的整體架構(gòu)和關(guān)鍵技術(shù)充分研究的基礎(chǔ)上,提出了一種“三度過濾”的主題判別方法,并提高了PageRank算法在實(shí)際應(yīng)用中的適應(yīng)性。然后對
3、開源項(xiàng)目Lucene進(jìn)行了本地化改造,最終開發(fā)出一款適用于煙草行業(yè)的垂直搜索引擎。
本文主要研究內(nèi)容如下:
(1)在研習(xí)搜索引擎典型架構(gòu)的基礎(chǔ)上,詳細(xì)闡述了中文分詞、倒排索引和鏈接分析三項(xiàng)關(guān)鍵技術(shù)的實(shí)現(xiàn)原理。通過橫向?qū)Ρ瓤偨Y(jié)出了各種搜索模型的優(yōu)缺點(diǎn),以布爾模型實(shí)現(xiàn)基礎(chǔ)的文本篩選,以空間向量模型實(shí)現(xiàn)高級(jí)的匹配運(yùn)算,從而建立起符合煙草行業(yè)特點(diǎn)的搜索模型,兼具簡單易行和支持相關(guān)性評分兩方面優(yōu)勢。
(2)編程模擬了
4、PageRank算法的迭代過程,對出鏈-入鏈矩陣中的黑洞問題和PageRank向量的數(shù)據(jù)失衡問題進(jìn)行了深入的分析。黑洞問題會(huì)造成部分網(wǎng)頁壟斷PageRank得分,使評分結(jié)果有失客觀性與科學(xué)性;而數(shù)據(jù)失衡問題會(huì)造成迭代過程的收斂速度過慢,無法應(yīng)用于大規(guī)模的計(jì)算。本文通過引入馬爾科夫鏈理論對模型加入兩次隨機(jī)性調(diào)整,使之更符合上網(wǎng)者隨機(jī)瀏覽網(wǎng)頁的過程,從根本上杜絕了黑洞問題的產(chǎn)生并加快了PageRank的收斂速度。
?。?)提出了一種
5、“三度過濾”的主題判別方法。借助煙草行業(yè)的專業(yè)詞庫,在主題判別的過程中將預(yù)判因子、元信息因子、詞庫因子納入主題相關(guān)度的計(jì)算,有效過濾了與主題無關(guān)的網(wǎng)頁,大大提高了搜索引擎的查準(zhǔn)率。另一方面,該算法得出的預(yù)判因子還用于調(diào)整URL隊(duì)列的優(yōu)先級(jí),幫助主題爬蟲優(yōu)先抓取主題相關(guān)度更高的網(wǎng)頁。
?。?)通過對Lucene源代碼的本地化改造,實(shí)現(xiàn)了開源項(xiàng)目與系統(tǒng)開發(fā)的兼容性整合。結(jié)合原始的空間向量模型,對影響網(wǎng)頁歡迎度與主題相關(guān)度的各項(xiàng)因子進(jìn)
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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
- 垂直搜索引擎的研究.pdf
- 石油行業(yè)垂直搜索引擎技術(shù)研究.pdf
- 垂直搜索引擎在團(tuán)購網(wǎng)站中的研究與應(yīng)用.pdf
- 垂直搜索引擎系統(tǒng)的研究.pdf
- 垂直搜索引擎技術(shù)研究與應(yīng)用——承乘廣緣網(wǎng)站搜索引擎的設(shè)計(jì).pdf
- 垂直育兒搜索引擎研究.pdf
- 垂直搜索引擎技術(shù)的研究和應(yīng)用.pdf
- 垂直搜索引擎設(shè)計(jì)與實(shí)現(xiàn).pdf
- 事件垂直搜索引擎的研究與實(shí)現(xiàn).pdf
- 基于Lucene的垂直搜索引擎的研究與應(yīng)用.pdf
- 垂直搜索引擎主題爬蟲研究.pdf
- 垂直搜索引擎Spider技術(shù)的研究和應(yīng)用.pdf
- 傳統(tǒng)搜索引擎與智能搜索引擎比較研究.pdf
- 垂直搜索引擎的架構(gòu)與實(shí)現(xiàn).pdf
- 基于Ontology的垂直搜索引擎研究.pdf
- 垂直搜索引擎的研究和設(shè)計(jì).pdf
- [學(xué)習(xí)]搜索引擎優(yōu)化與搜索引擎營銷
- 智能垂直搜索引擎的研究與設(shè)計(jì).pdf
- 農(nóng)業(yè)垂直搜索引擎的研究與設(shè)計(jì).pdf
- 垂直搜索引擎?zhèn)€性化推薦研究與應(yīng)用.pdf
評論
0/150
提交評論