中文搜索引擎的個性化服務研究.pdf

1、1994年,萬維網(World Wide Web)出現(xiàn)。萬維網極大地方便了人們的工作,它的信息廣泛的可訪問性以及開放性極大的鼓勵了人們的創(chuàng)作積極性,同時也給信息檢索領域帶來了新的發(fā)展機遇和技術挑戰(zhàn)。
　　 搜索引擎是一個網絡應用軟件,從Web用戶角度看,它能根據用戶提交的查詢詞、短語或者一句話,返回一個可能與用戶查詢相關的網頁列表,供用戶進一步地判斷和查詢。當前,搜索引擎面臨以下技術難點:多源異構數(shù)據類型、搜索內容的全面性、搜索

2、的準確性、個性化檢索等。個性化搜索是未來搜索技術發(fā)展的一個重要方向,是機器服務人類,人機和諧交互的一個重要發(fā)展。
　　 本文系統(tǒng)的研究了中文搜索引擎的工作原理、實現(xiàn)技術以及個性化模型。深入地分析了中文搜索引擎的核心技術:中文分詞、機器爬蟲、索引的建立與倒排序文件的生成、查詢優(yōu)化以及查詢結果的排序等。通過對中文分詞系統(tǒng)的改進,加入混合詞典機制,提高了中文分詞的準確性。分析Web信息挖掘技術與信息檢索技術的關系,通過對用戶使用中文搜

3、索引擎的查詢習慣、訪問頻率,瀏覽網頁等信息資源進行挖掘,提取用戶的使用特征以及興趣愛好,建立用戶的個性化興趣模型。根據用戶個性化興趣模型,給出了一個個性化中文搜索引擎模型。旨在結合Web信息挖掘提高中文搜索引擎的查準率,為用戶提供個性化的信息檢索服務。本文所做的具體工作如下:
　　 (1)深入研究中文搜索引擎的核心技術實現(xiàn)細節(jié):網頁信息搜集、對搜集到的原始信息預處理、建立索引以及倒排文件、提供查詢服務。
　　 (2)改進