主題元搜索引擎排序算法研究.pdf

1、主題搜索引擎的產(chǎn)生是針對(duì)某種具體的組織、行業(yè)的網(wǎng)絡(luò)信息來構(gòu)建的，這是一個(gè)能夠使該組織、行業(yè)的搜索要求滿足的搜索引擎。隨著網(wǎng)絡(luò)信息的多元化形成，沒有任何一種主題搜索技術(shù)能應(yīng)用到所有的主題信息領(lǐng)域，而主題元搜索引擎的出現(xiàn)很好地解決了這個(gè)現(xiàn)象。主題元搜索引擎將元搜索引擎和主題搜索引擎相結(jié)合，在提高查全率的同時(shí)又進(jìn)一步提高了查準(zhǔn)率。其中搜索引擎的分詞技術(shù)和排序技術(shù)是影響搜索結(jié)果的關(guān)鍵性。
　　本文以開源的搜索引擎Nutch為原型，使用主題

2、提取器在多個(gè)搜索引擎中提取種子站點(diǎn)，再從各種子站點(diǎn)上搜索關(guān)鍵詞，實(shí)現(xiàn)搜索的主題化和多元化，提高了查準(zhǔn)率和查全率。針對(duì)Nutch搜索引擎按字分詞和排序效果差的問題，本文主要完成了以下兩方面的工作：第一，參考各種資料以及相關(guān)中文分詞插件文檔，通過實(shí)驗(yàn)對(duì)Paoding，IKAnalyzer等中文分詞器進(jìn)行了時(shí)效性以及準(zhǔn)確率等方面的對(duì)比，選取在大量文字分詞時(shí)，時(shí)間和準(zhǔn)確度等方面性能更優(yōu)且有豐富的本地詞庫的ICTCLAS2015分詞器，進(jìn)行了Nu

3、tch中文分詞模塊的改進(jìn)。第二，本文提出了結(jié)合使用PageRank算法并加入本地瀏覽器書簽作為參考因子的方法，對(duì)Nutch的評(píng)分機(jī)制進(jìn)行了改進(jìn)，提高了搜索結(jié)果的確切度。對(duì)改進(jìn)后的算法進(jìn)行了驗(yàn)證，通過對(duì)實(shí)驗(yàn)數(shù)據(jù)的分析說明了改進(jìn)后的算法不僅可以提高PR值較高的頁面的排序結(jié)果，而且對(duì)本地書簽有相關(guān)性的搜索結(jié)果的排名有所提高。
　　本文通過結(jié)合ICTCLAS2015中文分詞插件和改良中文分詞算法對(duì)Nutch搜索引擎系統(tǒng)進(jìn)行了二次開發(fā)，在此