黃頁信息檢索系統(tǒng)的研究及實現(xiàn).pdf

1、隨著“信息爆炸時代”的來臨，如何更快、更準(zhǔn)、更方便的搜尋到數(shù)據(jù)已經(jīng)成為了當(dāng)代社會關(guān)注的焦點。在這種需求的刺激下，搜索引擎技術(shù)成為了計算機科學(xué)的研究熱點。順應(yīng)這股潮流復(fù)旦大學(xué)上海(國際)數(shù)據(jù)庫研究中心、上海旦茂數(shù)字技術(shù)有限公司及中國電信于2005年到2006年間，合作開發(fā)了“黃頁信息檢索系統(tǒng)”，較好的解決了客戶在黃頁信息搜索方面的需求。 本文以該系統(tǒng)為基礎(chǔ)，著重在以下兩個地方進(jìn)行了研究和探討。 第一，本文分析了互關(guān)聯(lián)后繼樹

2、模型的發(fā)展歷程，發(fā)展過程中各種不同的后繼樹模型，并在此基礎(chǔ)上提出了稱為“雙排序”模型的新的創(chuàng)建算法，將“雙排序”的互關(guān)聯(lián)后繼樹模型同后綴數(shù)組(suffix array，也稱為．PAT數(shù)組)創(chuàng)建方法結(jié)合了起來。該算法去掉了兩次掃描文本的需要，可以在后綴數(shù)組的創(chuàng)建過程中有機的結(jié)合如互關(guān)聯(lián)后繼樹的建立，很大的提升了時間效率。同時，本文進(jìn)一步給出了同Difference Cover算法結(jié)合的途徑，很大地提高了“雙排序”創(chuàng)建算法的應(yīng)用范圍。并且在

3、實驗的基礎(chǔ)上，給出了兩種算法的不同效果、適用范圍、以及參數(shù)設(shè)定的基本準(zhǔn)則。我們發(fā)現(xiàn)雙排序模型在其構(gòu)建算法上有了很大程度的提高，在時間和空間效率上同后綴數(shù)組的創(chuàng)建算法基本持平，而在完成創(chuàng)建后，數(shù)據(jù)結(jié)構(gòu)的的空間效率得到了很大的提高，并擴(kuò)展了其查詢的能力。 第二，本文探討了黃頁信息信息檢索系統(tǒng)的設(shè)計、實現(xiàn)、發(fā)布和評測，從需求分析、系統(tǒng)結(jié)構(gòu)設(shè)計、網(wǎng)站建設(shè)等方面總結(jié)了互關(guān)聯(lián)后繼樹在向工程項目轉(zhuǎn)化過程中的要點和經(jīng)驗。并在實際的項目的評測中提