科技文獻檢索系統(tǒng)相關(guān)排序算法研究.pdf

1、當(dāng)前，互聯(lián)網(wǎng)已經(jīng)成為了人們獲得信息的一個主要來源。而網(wǎng)頁數(shù)量已經(jīng)達到了百億級，并且在以每日數(shù)百萬網(wǎng)頁的速度增長。由于其規(guī)模如此之龐大，用戶在查詢資料的時候，經(jīng)常面對搜索引擎所返回的幾百萬甚至上千萬網(wǎng)頁，通常很難準(zhǔn)確找到自己所需要的內(nèi)容。因此，搜索引擎如何優(yōu)化搜索的相關(guān)排序算法，如何在保證搜索速度和查全率的基礎(chǔ)上，提高查準(zhǔn)率，并且把最恰當(dāng)?shù)?，最可信的鏈接放在返回結(jié)果的最前面就成為了互聯(lián)網(wǎng)搜索的關(guān)鍵問題。 基于此，本論文的主要研究內(nèi)

2、容和創(chuàng)新點如下： 1．描述了搜索引擎和信息檢索的概念，展示了當(dāng)前的主流搜索引擎的系統(tǒng)架構(gòu)，以及它們所使用的相關(guān)排序算法，隨后對經(jīng)典的信息檢索相關(guān)排序算法模型進行了回顧。 2．提出了基于加權(quán)詞頻的信息檢索相似度評價模型(WTFM)和基于改進鏈接分析的文獻檢索系統(tǒng)相關(guān)排序算法，并且完成了它們的實驗仿真。其中，WTFM模型是在信息檢索領(lǐng)域內(nèi)相似度模型中概率模型基礎(chǔ)上，對文獻的各個域引入了加權(quán)系數(shù)，并利用模擬退火算法估計出一組最

3、優(yōu)組合；而改進鏈接分析技術(shù)則利用Obiect-Level PopRank思想，可以得到多種對象的排序結(jié)果(文獻，作者，期刊出版物)。 3．由于本文的目的之一是建立一個學(xué)術(shù)文獻搜索引擎，所以對搜索引擎中的網(wǎng)頁收集模塊和如何利用開源工具包Lemur tool kit也作了說明。實驗證明，在某一特定領(lǐng)域內(nèi)的檢索系統(tǒng)當(dāng)采用改進型的檢索相關(guān)排序算法后，會提高檢索系統(tǒng)的查準(zhǔn)率性能并且?guī)砀玫挠脩趔w驗。最后，對檢索系統(tǒng)的相關(guān)排序算法和未來的