文档介绍：大连海事大学
硕士学位论文
垂直搜索引擎分类索引系统的设计与实现
姓名:齐鹏
申请学位级别:硕士
专业:计算机科学与技术(计算机软件与理论)
指导教师:张俊
20100601
摘要互联网技术和应用的迅速发展使得网络上的资源呈爆炸式增长,搜索引擎已其搜索范围近乎涵盖了各个领域。但是,即使这些知名的通用搜索引擎在检索某一特定领域的信息时,无论在检索效率上还是在检索效果上也都无法完全满足人的网络信息,具有领域特点的垂直搜索引擎应运而生。垂直搜索引擎克服了通用搜索引擎存在的弊端,但完全针对关键词检索的垂直搜索引擎使得用户在某些情和基于分类索引的检索算法,并提出分类索引的压缩、优化方法。验。实验结果表明,本文设计的分类索引系统具有较高的索引速度和较低的索引经成为人们获取网络信息的最主要方式,以百度、为代表的通用搜索引擎,们的需要。为了满足人们对特定领域信息检索的需求和进一步挖掘某一专业领域况下还是得不到理想的结果,返回的结果仍然存在查全率低和相关性排序效果不佳的缺点。本文提出基于本体的垂直搜索引擎分类索引方法,通过引入基于领域本体的文本分类增加索引的语义信息,可以有效提高垂直搜索引擎检索的查全率,改善检索结果的相关性排序效果。首先,本文设计了一种基于领域本体的分类体系,实现细粒度多类文本分类。然后,本文设计了一种新的分类索引结构,使类别信息和关键词信息合理融合,从而形成分类索引,该索引是在基础上重新设计的一种新的索引逻辑结构和物理结构。最后,本文设计了分类索引的生成算法本文以海事领域本体和海事领域网页为例,在索引和检索阶段进行了大量实膨胀率;基于该分类索引进行检索,可以有效提高检索结果的查全率,同时也改善了检索结果相关性排序效果。关键词:本体;文本分类;垂直搜索引擎;分类体系;分类索引中文摘要
—甋;篛籘簍瓽瑂,.琤,,英文摘要,.,..瑃.;—’甀,瓸—甌;;籥
大连海事大学学位论文原创性声明和使用授权说明保密口在——年解密后适用本授权书。原创性声明:垂直攮塞里伺桉笕颕丕统的遮进皇塞现::。除论文中已经学位论文版权使用授权书本人郑重声明:本论文是在导师的指导下,独立进行研究工作所取得的成果,撰写成硕士学位论文注明引用的内容外,对论文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表或未公开发表的成果。本声明的法律责任由本人承担。学位论文作者签名:本学位论文作者及指导教师完全了解大连海事大学有关保留、使用研究生学位论文的规定,即:大连海事大学有权保留并向国家有关部门或机构送交学位论文的复印件和电子版,允许论文被查阅和借阅。本人授权大连海事大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同意将本学位论文收录到《中国优秀博硕士学位论文全文数据库》泄跗诳光盘版缱釉又旧、《中国学位论文全文数据库》泄蒲Ъ际跣畔⒀芯克等数据库中,并以电子出版物形式出版发行和提供信息服务。保密的论文在解密后遵守此规定。本学位论文属于:不保密口朐谝陨戏娇蚰诖颉”
第滦髀研究背景及意义产生——网络信息量急剧增长,人们发现要想在这样庞大的信息库中获得想要的某一特定人群或某一特定需求为用户提供有价值的信息和相关服纠,它对特定领全率低和检索结果相关排序效果不佳仍然制约着基于关键词索引的垂直搜索引擎随着互联网技术的飞速发展,信息的传播速度得到了极大的提高,使得用户在发布和获取信息方面变得更加容易。但发布信息的便利性又导致了相关问题的知识就如同在大海里捞针,根本无从下手。为了解决上述问题,搜索引擎应运而生。搜索引擎白面世后,迅速成为人们搜索信息的有力工具。然而随着信息量的不断增加,“信息过载ⅰ靶畔⒚院、“搜索噪音’’等一系列问题随之出现。垂直搜索引擎的诞生有效地解决了这些问题。垂直搜索引擎针对某一特定领域、域或某一行业的信息进行专业的、深入的分析挖掘和分类,信息定位比通用搜索引擎更加精准,较好地排除了冗杂信息,在一定程度上减少了不相关结果的出现,改善了检索效果,同时也保证了专业领域信息的完备收录和及时更新,从而得到众多领域用户的认可,成为搜索引擎领域研究的热点。目前大多数搜索引擎包括垂直搜索引擎都是针对关键词进行检索,而完全基于关键词的检索使得用户在某些情况下得不到理想的结果。一方面存在同名异义的现象,例如:用户要检索有关“熊猫’’的相关信息,如果单纯使用基于关键词匹配的检索,搜索引擎返回的结果中通常会同时包括动物的“熊猫图扑慊毒“熊猫烧香’’,而且检索页面的排序结果是没有规律的。另一方面存在异名同义的现象,众所周之,计算机和电脑是一个概念的两种说法,搜索电脑时,包含计算机的相关网页也应显示出来,但检索结果并非如此,