Wed信息檢索中若干問題的研究與實現(xiàn).pdf

1、本文就是通過介紹自然語言處理和信息檢索的研究發(fā)展歷史、現(xiàn)狀和趨勢，分析了對Web信息檢索中若干問題研究的必要性，并較為全面地論述了并發(fā)環(huán)境下文本檢索的理論和方法以及聚類方法在文本檢索結(jié)果瀏覽方面的應(yīng)用用問題。首先，通過對信息檢索、現(xiàn)狀、傳統(tǒng)的一些基本知識以及傳統(tǒng)的文本檢索算法的介紹，分析了Internet的發(fā)展對文本檢索結(jié)構(gòu)及算法提出的挑戰(zhàn)。其次，討論了一個分布的檢索系統(tǒng)體系結(jié)構(gòu)DIRS，它采用基于Web的三層結(jié)構(gòu)，使用分布協(xié)作的檢索服

2、務(wù)器支持文本信息的檢索，這種體系結(jié)構(gòu)具有良好的可擴展性和穩(wěn)定性，并且響應(yīng)速度快，為提高信息檢索系統(tǒng)智能化水水平和檢索質(zhì)量奠定了了基礎(chǔ)。然后，針對文本檢索的幾個重要方面——索引存儲模式、文本檢索算法、結(jié)果合并策略，進行深入研究。采用基于哈希表的存儲結(jié)構(gòu)、基于短語位置評價的擴展布爾算法、基于最短片斷算法的索引結(jié)構(gòu)，并分別給出相應(yīng)的實現(xiàn)模型和算法。提高了檢索的處理速度、系統(tǒng)消耗，檢索結(jié)果的準(zhǔn)確度和系統(tǒng)的靈活性。最后，分析了現(xiàn)有文本聚類方法的優(yōu)

3、勢和不足，討論了使用后樹算法的中文HTML文檔自動聚類方法。彩標(biāo)識最大聚類分詞，評價及判別不同聚類分詞的相關(guān)度等方法，將檢索結(jié)果按照文檔具用最大相同短語的相關(guān)性進稈分類，為提高用戶信息檢索的效率，快速定位查詢文檔打下了堅實的理論基礎(chǔ)，并通過對各種情況下算法性能進行的測試，表明了使用后綴樹算法的中文HTML文檔自動聚類方法的實用性。目前，我們已經(jīng)建立了一個基于Web的大規(guī)模中文信息檢索系統(tǒng)，由該系統(tǒng)的運行狀況及對其所作的測試評估可觀察到，