基于結(jié)構(gòu)和主題的Web信息檢索研究.pdf

1、隨著Intemet技術(shù)的突飛猛進，Web信息量爆炸性增長，人們越來越習慣使用搜索引擎查找所關(guān)心的信息了。但浩瀚的信息資源卻給搜索引擎的發(fā)展提出了新的挑戰(zhàn)。如何有效、快捷、準確地將查詢結(jié)果返回給用戶，提高Web信息檢索效果，已變成一項迫切而有意義的研究課題和熱點。 本文主要是圍繞HTML和XML兩種文檔的結(jié)構(gòu)特征和主題內(nèi)容兩方面的因素考慮，對當前的Web信息檢索技術(shù)進行研究，包括技術(shù)較為成熟的HTML文檔檢索與剛剛起步的XML文檔

2、檢索。 首先，本文對Web信息檢索進行了概述，并簡單介紹了搜索引擎的工作原理、檢索模型、研究熱點、組成結(jié)構(gòu)、分類及評價標準。在HTML文檔檢索研究中，由于當前檢索方法的精度不高，本文利用網(wǎng)頁間鏈接關(guān)系和錨文本，綜合考慮文檔結(jié)構(gòu)和內(nèi)容，對現(xiàn)有網(wǎng)頁排序算法進行合理改進。實驗結(jié)果表明，該算法可以在一定程度上提高文檔檢索的準確率和召回率。 其次，檢索結(jié)果以列表形式返回給用戶，給用戶的瀏覽造成很大困難。為了方便甩戶瀏覽和節(jié)省查閱時

3、間，本文使用一種基于鏈接擴展的方法實現(xiàn)檢索結(jié)果的自動分類，使其以類別目錄方式加以顯示。實驗結(jié)果表明，該方法可在一定程度上提高網(wǎng)頁自動分類精度，并在SEWM2007中文網(wǎng)頁分類中獲得較好結(jié)果。 此外，本文還在傳統(tǒng)HTML檢索理論的基礎(chǔ)上，對XML文檔檢索進行研究，根據(jù)XML文檔結(jié)構(gòu)特征，提出了一種基于融合策略和主題分類的XML檢索再次排序的改進方法。實驗結(jié)果證明，該方法能夠提高檢索系統(tǒng)的綜合評價指標，并在INEX2007任務(wù)評測中