基于分類的智能信息檢索研究與實(shí)現(xiàn).pdf

1、信息檢索(InformationRetrieval)通常指文本信息檢索，包括信息的存儲、組織、表現(xiàn)、查詢、存取等各個方面，其核心為文本信息的索引和檢索技術(shù)?！　∧壳埃F(xiàn)有的信息檢索工具(搜索引擎)的查全率和查準(zhǔn)率不高，為了提高信息檢索工具的查全率和查準(zhǔn)率，人們提出了各種各樣的技術(shù)和算法，旨在使信息檢索工具更趨于智能化和人性化?！　”疚脑谘芯總鹘y(tǒng)信息檢索技術(shù)實(shí)現(xiàn)的同時，結(jié)合現(xiàn)有的網(wǎng)頁分類技術(shù)，對智能信息檢索進(jìn)行了較為系統(tǒng)的研究。在此基

2、礎(chǔ)上對基于分類的智能信息檢索中的中文分詞、網(wǎng)頁索引、網(wǎng)頁特征提取、網(wǎng)頁分類、提出了一定的思考和見解。論文主要工作如下：　　(1)本文首先針對網(wǎng)頁結(jié)構(gòu)的特點(diǎn)，分析了網(wǎng)頁中對分類過程有貢獻(xiàn)的信息成分。使用了一種簡單而又高效的詞典存儲方式，使其在切分速度上有了很大的提高，而所得到的切分結(jié)果也基本上滿足網(wǎng)頁分類中對中文分詞的要求。采用了詞串統(tǒng)計的方式，提高了未登錄詞的識別幾率?！　?2)傳統(tǒng)的中英文分類的特征提取方式并沒有考慮漢語詞語之間的

3、語義關(guān)聯(lián)(反義詞、近義詞、同義詞)，在本文中，我除了考慮了語義關(guān)聯(lián)，還提取了網(wǎng)頁標(biāo)題，一起參與特征詞的提取，使特征詞的提取較傳統(tǒng)的方法更為合理，并對CHI公式做了一些改進(jìn)，使之更符合中文Web的特征表示。　　(3)研究了現(xiàn)有的網(wǎng)頁分類方法，結(jié)合了網(wǎng)頁的特點(diǎn)，在傳統(tǒng)的特征加權(quán)公式的基礎(chǔ)上，提出了一種網(wǎng)頁分類的特征加權(quán)公式?！　?4)對網(wǎng)頁的索引及搜索進(jìn)行了探討，并這兩項(xiàng)技術(shù)進(jìn)行了編程實(shí)現(xiàn)?！　?5)在上述理論的基礎(chǔ)上構(gòu)建了一個較為完