搜索引擎中搜索結果組織的研究.pdf

1、搜索引擎是信息網絡時代人們不可缺少的獲取信息的重要工具，人們通過輸入查詢來獲取搜索結果，從而從網絡上的離散海量數據中獲取想要的信息。然而當前搜索引擎返回的結果數量龐大，人們要獲取想要的信息仍然比較困難。用戶的需求是以最快的速度獲得與查詢最相關并且最權威的網頁信息。圍繞這兩個需求高效的組織查詢結果是搜索引擎亟需解決的問題。本文就是在這樣的技術背景下展開研究，研究對象是兩種主要的搜索結果組織技術：網頁排序和搜索結果聚類。 首先，以W

2、eb挖掘的三個方面Web內容挖掘、Web結果挖掘和Web使用挖掘為主線，對主流網頁排序算法PageRank，HITS及其派生算法進行了詳細綜述，并提出網頁排序算法的發(fā)展趨勢，即綜合使用網頁的多方面信息用于排序、結合Web使用信息設計個性化的排序算法。 在PageRank框架下，綜合使用網頁內容和鏈接結構信息，修改經典的隨機訪問模型，提出擴展的PageRank算法來解決用戶對搜索結果的相關性和權威性兩方面需求。修改后的隨機訪問模型

3、，增強了網頁權威性和內容相關性在權值分配中的重要性。最終開發(fā)了網頁排序算法實驗平臺，驗證了算法的有效性，相同條件下可以獲得比。PageRank更好的排序結果。 中文網頁信息處理時中文分詞是必不可少的重要步驟之一，針對基于字典的中文分詞算法對歧義詞和未登錄詞分詞效率低的問題，提出基于字典和后綴數組的分詞算法，實驗表明本算法可以有效提取高頻未登錄和歧義的詞和短語。 對傳統(tǒng)的聚類算法和文本聚類算法進行了綜述性研究，指出用于搜索