基于網(wǎng)頁(yè)鏈接和網(wǎng)頁(yè)內(nèi)容疊加的垂直搜索策略與算法研究.pdf

1、隨著科技和網(wǎng)絡(luò)的快速發(fā)展，人們已經(jīng)進(jìn)入了大數(shù)據(jù)時(shí)代，互聯(lián)網(wǎng)上的信息資源已經(jīng)多到人們無(wú)法想象的數(shù)量，不僅如此，互聯(lián)網(wǎng)上每天還在產(chǎn)生著大量的信息資源。
　　網(wǎng)絡(luò)上充斥著大量的資源，比如多媒體資源、文本資源等等。在這些資源中，文本資源是人們?nèi)粘z索的主要資源。網(wǎng)絡(luò)上文本資源的搜索與使用已經(jīng)成為了人們生活中必不可少的一部分。當(dāng)人們使用通用搜索引擎在檢索信息資源時(shí)，會(huì)發(fā)現(xiàn)有很多不相關(guān)的頁(yè)面產(chǎn)生，這就需要人們自己去篩選所需要的信息，浪費(fèi)了人們

2、的時(shí)間，同時(shí)也造成了人們的困擾。人們?nèi)绾卧谌绱舜罅康男畔①Y源中快速、深入、準(zhǔn)確的找到自己所需要的信息資源呢，這時(shí)就需要垂直搜索引擎來(lái)滿足人們的需求了。垂直搜索引擎是針對(duì)某一個(gè)行業(yè)的專業(yè)搜索引擎，具有深入性、準(zhǔn)確性和專業(yè)性等特點(diǎn)。
　　本論文重點(diǎn)研究了基于網(wǎng)頁(yè)鏈接和基于網(wǎng)頁(yè)內(nèi)容的搜索策略，并深入分析和總結(jié)了兩種搜索策略的優(yōu)缺點(diǎn)。同時(shí)對(duì)基于網(wǎng)頁(yè)鏈接的PageRank算法和基于網(wǎng)頁(yè)內(nèi)容的Shark-Search算法各自的缺點(diǎn)分別提出了相

3、應(yīng)的改進(jìn)措施。但是，基于網(wǎng)頁(yè)鏈接的搜索策略偏重于網(wǎng)頁(yè)之間的鏈接結(jié)構(gòu)，而忽視了頁(yè)面內(nèi)容的相關(guān)性;基于網(wǎng)頁(yè)內(nèi)容的搜索策略又過(guò)于偏重頁(yè)面內(nèi)容的相關(guān)性，而忽視了頁(yè)面之間的鏈接關(guān)系，因此，為了既要發(fā)揮兩種算法各自的優(yōu)點(diǎn)，又要有效避免兩種算法各自的缺點(diǎn)，本文提出了基于網(wǎng)頁(yè)鏈接和基于網(wǎng)頁(yè)內(nèi)容相疊加的搜索策略。
　　本論文在研究和應(yīng)用Lucene搜索引擎框架的基礎(chǔ)上，對(duì)Lucene搜索引擎框架的設(shè)計(jì)原理、特色以及評(píng)分系統(tǒng)進(jìn)行全面深入的分析。Nut