基于時(shí)態(tài)信息的搜索引擎的研究與實(shí)現(xiàn).pdf

1、互聯(lián)網(wǎng)已成為現(xiàn)代人生活不可或缺的一部分，是人們獲取信息的重要來(lái)源。同時(shí)互聯(lián)網(wǎng)上不斷增長(zhǎng)的海量數(shù)據(jù)也給用戶(hù)帶來(lái)了新的挑戰(zhàn)，面對(duì)如此海量的信息資源，用戶(hù)要從其中快速找出自己需要的信息是非常困難的。為了解決這一問(wèn)題，搜索引擎誕生了。搜索引擎根據(jù)一定的策略，利用特定的程序從互聯(lián)網(wǎng)上搜集信息，在對(duì)信息進(jìn)行加工處理后，為用戶(hù)提供搜索服務(wù)，將和用戶(hù)搜索相關(guān)的信息以簡(jiǎn)單明了的方式展示給用戶(hù)。
　　 搜索引擎的快速發(fā)展給網(wǎng)民帶來(lái)了極大的方便，但其

2、還是沒(méi)能從實(shí)質(zhì)上解決上述的問(wèn)題，現(xiàn)有的搜索引擎通過(guò)關(guān)鍵字匹配的方式檢索網(wǎng)頁(yè)，通常會(huì)返回很多的結(jié)果，其中包含大量對(duì)用戶(hù)來(lái)說(shuō)是無(wú)用的網(wǎng)頁(yè)，用戶(hù)仍然很難快速準(zhǔn)確的獲取自己所需的網(wǎng)頁(yè)。
　　 時(shí)間作為信息的本質(zhì)屬性之一，同樣也是網(wǎng)頁(yè)的本質(zhì)屬性之一。當(dāng)人們閱讀一篇新聞報(bào)道時(shí)，總是把新聞的內(nèi)容和時(shí)間聯(lián)系起來(lái)，有些信息只有在特定的時(shí)間下才有意義。在搜索信息的時(shí)候加上時(shí)態(tài)信息，可以更加準(zhǔn)確的表達(dá)用戶(hù)的查詢(xún)意圖，使得搜索引擎能夠更加快速準(zhǔn)確地找到

3、用戶(hù)所需要的信息，所以對(duì)時(shí)態(tài)信息的研究將是搜索引擎系統(tǒng)中非常重要的課題，越來(lái)越多的搜索引擎系統(tǒng)引入了時(shí)態(tài)信息搜索，Google，Baidu搜索引擎在高級(jí)搜索中都提供時(shí)態(tài)信息搜索，但是他們所提供的時(shí)態(tài)信息搜索，只是針對(duì)網(wǎng)頁(yè)的更新時(shí)間或者是網(wǎng)頁(yè)被收錄的時(shí)間，而沒(méi)有考慮到網(wǎng)頁(yè)的內(nèi)容時(shí)間。
　　 本文首先介紹了搜索引擎的基礎(chǔ)知識(shí)，然后在開(kāi)源搜索引擎Nutch的基礎(chǔ)上添加了時(shí)態(tài)信息抽取功能，利用基于規(guī)則的方法從網(wǎng)頁(yè)文本內(nèi)容中抽取出時(shí)態(tài)信息