基于時(shí)態(tài)和搜索關(guān)鍵詞間的距離關(guān)系的網(wǎng)頁(yè)排序算法.pdf_第1頁(yè)
已閱讀1頁(yè),還剩65頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著信息技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)中的網(wǎng)頁(yè)數(shù)量也在不斷增加,用戶在感受獲取信息便利的同時(shí),也伴隨著從海量數(shù)據(jù)中快速查找需要的信息而變得日益困難。在這樣的情形下,搜索引擎成為用戶快速找到目標(biāo)信息的最佳途徑。搜索引擎是根據(jù)一定的策略,從互聯(lián)網(wǎng)中收集信息,對(duì)信息進(jìn)行組織和處理之后,為用戶提供檢索服務(wù)。一般而言,用戶更傾向于點(diǎn)擊前幾頁(yè)的網(wǎng)頁(yè)鏈接,因此,合理的對(duì)返回檢索結(jié)果進(jìn)行排序顯得尤為重要,這關(guān)系到用戶對(duì)反饋結(jié)果的滿意度。對(duì)搜索引擎的檢索結(jié)果進(jìn)行

2、排序的算法中,PageRank算法最具有代表性,PageRank算法是基于網(wǎng)頁(yè)鏈接結(jié)構(gòu),優(yōu)點(diǎn)在于它對(duì)互聯(lián)網(wǎng)上的網(wǎng)頁(yè)給出了一個(gè)全局的重要性排序,并且算法的計(jì)算過程是通過線下完成的,這樣有利于迅速響應(yīng)檢索請(qǐng)求,不過,其缺點(diǎn)在于主題無(wú)關(guān)性,偏重舊網(wǎng)頁(yè)。
  時(shí)間是網(wǎng)頁(yè)信息中的一個(gè)重要緯度,當(dāng)人們閱讀一篇網(wǎng)頁(yè)新聞時(shí),他們首先會(huì)把文章的內(nèi)容和時(shí)態(tài)信息聯(lián)系起來。網(wǎng)頁(yè)中不僅包含有文本信息,同時(shí)也包含有大量的時(shí)態(tài)信息。而傳統(tǒng)的搜索引擎,只是簡(jiǎn)單的

3、對(duì)文本關(guān)鍵詞進(jìn)行檢索,卻沒有關(guān)注時(shí)態(tài)信息的檢索,因此,將時(shí)間信息運(yùn)用在Web信息檢索中,可以大大加強(qiáng)文本信息檢索效果。時(shí)態(tài)信息包含確定時(shí)態(tài)信息和不確定時(shí)態(tài)信息,其中,對(duì)不確定時(shí)態(tài)信息的處理是學(xué)術(shù)界的難點(diǎn),它包括對(duì)不確定時(shí)態(tài)信息的語(yǔ)義、時(shí)態(tài)粒度、時(shí)態(tài)跨度等定義與分析。針對(duì)不確定語(yǔ)義造成的時(shí)態(tài)不確定性與多樣性問題,提出了對(duì)不確定語(yǔ)義進(jìn)行轉(zhuǎn)換的思想,使得時(shí)態(tài)信息可以參與量化計(jì)算。
  構(gòu)成詞語(yǔ)(或者短語(yǔ))成分之間的線性排列次序也同樣反映

4、出人類思維與認(rèn)知的軌跡,即詞序映照人的思維與認(rèn)知順序。通過大量的調(diào)查發(fā)現(xiàn),一般用戶搜索輸入的關(guān)鍵詞數(shù)量集中在2至8個(gè)關(guān)鍵詞之間,若這些查詢關(guān)鍵詞集分布在網(wǎng)頁(yè)內(nèi)容的位置相對(duì)聚集,則表明該網(wǎng)頁(yè)與用戶查詢關(guān)鍵詞的相關(guān)度較高。因此,在Web檢索中,加入搜索關(guān)鍵詞集之間的位置關(guān)系信息在網(wǎng)頁(yè)中的分布作為排序參考的因子,可以大大提高搜索結(jié)果的準(zhǔn)確率。
  本文通過對(duì)經(jīng)典的PageRank算法進(jìn)行研究學(xué)習(xí),針對(duì)搜索關(guān)鍵詞在網(wǎng)頁(yè)中的距離關(guān)系特征,提

5、出了對(duì)查詢關(guān)鍵詞進(jìn)行聚類的思想,將其轉(zhuǎn)換成計(jì)算搜索關(guān)鍵詞在網(wǎng)頁(yè)中的聚集程度,在原有的PageRank算法的基礎(chǔ)上增加對(duì)關(guān)鍵詞的聚合密度考量,并給出了搜索詞聚類的形式化描述模型;并結(jié)合搜索詞中含有時(shí)態(tài)關(guān)鍵詞信息,考慮時(shí)態(tài)的粒度屬性與不確定的語(yǔ)義,提出了一種基于時(shí)態(tài)和搜索關(guān)鍵詞間的距離關(guān)系的PageRank改進(jìn)算法,并最終在實(shí)驗(yàn)中驗(yàn)證該算法的有效性。
  論文的主要?jiǎng)?chuàng)新點(diǎn)在于:(1)利用層次聚類的方式將網(wǎng)頁(yè)中的查詢關(guān)鍵詞進(jìn)行聚類,通過

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論