基于XML的搜索引擎研究.pdf

1、當(dāng)今，互聯(lián)網(wǎng)已成為人類有史以來資源最多、品種最全、規(guī)模最大的信息庫。作為網(wǎng)上最主要的信息檢索工具，搜索引擎發(fā)揮著非常重要的作用。傳統(tǒng)的搜索引擎大都是基于HTML的搜索引擎，HTML重顯示而非內(nèi)容的特點(diǎn)大大限制了搜索引擎的查準(zhǔn)率，傳統(tǒng)搜索引擎的查準(zhǔn)率函待提高?，F(xiàn)在，一種可擴(kuò)展標(biāo)記語言XML開始慢慢發(fā)展起來，越來越多的文檔開始用XML語言來描述、存儲和交換。XML的標(biāo)記含義豐富、意義明確，能明白的提示所標(biāo)記的內(nèi)容，搜索引擎可以依靠標(biāo)記和內(nèi)容

2、之間的依存關(guān)系，準(zhǔn)確定位、找到目標(biāo)，從而大大減小搜索范圍，提高檢索精度。在這種發(fā)展背景下，本文對基于XML的搜索引擎進(jìn)行了研究。 首先，本文對比介紹了XML語言與HTML語言以及搜索引擎的工作原理和相關(guān)的幾項(xiàng)技術(shù)，說明XML語言為什么和搜索引擎結(jié)合可以提高查準(zhǔn)率的原因，并針對中文搜索引擎中的傳統(tǒng)中文分詞方法作了一些改進(jìn)。 接著，本文設(shè)計(jì)了基于XML的搜索引擎的模型，介紹了模型的設(shè)計(jì)思想及大體框架。模型包括機(jī)器人模塊、轉(zhuǎn)換