主題Web動(dòng)態(tài)信息推薦技術(shù)研究.pdf

1、隨著Web信息的指數(shù)級(jí)增長(zhǎng)，如何快速、準(zhǔn)確地從海量的互聯(lián)網(wǎng)信息資源中獲取所需信息已經(jīng)成為困擾人們的一大難題。 論文研究主題Web動(dòng)態(tài)信息推薦技術(shù)，即針對(duì)專業(yè)的信息搜集部門(mén)長(zhǎng)期實(shí)時(shí)收集互聯(lián)網(wǎng)某一領(lǐng)域或某一學(xué)科動(dòng)態(tài)信息的實(shí)際需求狀況，提出跟蹤用戶瀏覽記錄，主動(dòng)推薦主題信息的主動(dòng)式信息服務(wù)設(shè)計(jì)方案，并探討相關(guān)技術(shù)及實(shí)現(xiàn)方法，建立一個(gè)智能化、專業(yè)化、小型化的人—機(jī)互動(dòng)式搜索引擎，并通過(guò)理論分析和實(shí)驗(yàn)結(jié)果證明了系統(tǒng)性能的優(yōu)越性。圍繞主題W

2、eb動(dòng)態(tài)信息推薦系統(tǒng)設(shè)計(jì)，論文的主要工作包括以下幾個(gè)方面： (1)中文Web新聞頁(yè)面正文的精確抽取。在分析html語(yǔ)法結(jié)構(gòu)及國(guó)內(nèi)外知名中文新聞門(mén)戶網(wǎng)站的頁(yè)面特征的基礎(chǔ)上，提出規(guī)則與統(tǒng)計(jì)相結(jié)合的中文新聞頁(yè)面正文抽取方法。論文在對(duì)新聞頁(yè)面進(jìn)行嚴(yán)格界定之后，制定了一系列提取規(guī)則，詳細(xì)闡述了正文抽取方法，并以國(guó)內(nèi)外知名新聞門(mén)戶網(wǎng)站隨機(jī)抽取的大量頁(yè)面為實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了方法的優(yōu)越性。 (2)基于三字哈希索引的漢語(yǔ)分詞。通過(guò)對(duì)PFR語(yǔ)料

3、的分析，總結(jié)漢語(yǔ)構(gòu)詞特點(diǎn)，得出三字索引具有最好的分詞效率；通過(guò)字串三態(tài)標(biāo)記的方式，解決了索引深度的問(wèn)題，提出并實(shí)現(xiàn)三字哈希索引的漢語(yǔ)分詞詞典機(jī)制，并從理論和實(shí)驗(yàn)兩方面證明了方法的優(yōu)越性。 (3)基于分類評(píng)估的未登陸詞識(shí)別。在分析借鑒現(xiàn)有未登陸詞識(shí)別方法的基礎(chǔ)上，提出并設(shè)計(jì)了基于分類效果評(píng)估的未登陸詞識(shí)別算法。該算法先采用傳統(tǒng)的統(tǒng)計(jì)方法查找固定字串，然后采用機(jī)器學(xué)習(xí)方法，評(píng)估字串對(duì)類別的表現(xiàn)特征，依此抽取包含高類別特征信息的未登陸