基于圖結(jié)構(gòu)的多關(guān)鍵字查詢技術(shù)研究.pdf

1、近十幾年來(lái)，由于互聯(lián)網(wǎng)的快速發(fā)展，網(wǎng)上的信息呈爆炸式的增長(zhǎng)，如何在如此巨大的數(shù)據(jù)中找出我們所感興趣的信息便成了迫不及待需要解決的問(wèn)題。在這種情況下，搜索引擎應(yīng)運(yùn)而生。而關(guān)鍵字查詢是搜索引擎中最常用的一種機(jī)制。
　　本文首先討論了圖數(shù)據(jù)的存儲(chǔ)及處理，包括運(yùn)用開源框架Neo4j圖數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)的存儲(chǔ)，運(yùn)用K2樹來(lái)存儲(chǔ)圖的鄰接矩陣，以及基于r半徑對(duì)大數(shù)據(jù)圖進(jìn)行劃分，之后基于K-means對(duì)子圖進(jìn)行聚類等操作。其次，對(duì)處理好的子圖的文本信

2、息進(jìn)行分詞、去停用詞，提取特征，根據(jù)排序函數(shù)對(duì)其進(jìn)行打分后，構(gòu)建倒排索引。本文使用simhash對(duì)倒排索引表進(jìn)行hash處理，映射成多個(gè)索引表，并且運(yùn)用LDA（Latent Dirichlet Allocation）主題模型對(duì)查詢所得結(jié)果進(jìn)行關(guān)于主題的過(guò)濾，使得結(jié)果更貼合用戶的查詢需求。
　　本論文的主要貢獻(xiàn)在于：第一，提出了一種文本與結(jié)構(gòu)相結(jié)合的圖相似性計(jì)算方法，充分考慮了不同節(jié)點(diǎn)的文本之間的相似性，使得圖相似性計(jì)算更加的合理準(zhǔn)