[本科毕业设计] 中文Web 测试集CWT200g 之文档集的构建.pdfVIP

北京大学本科生毕业论文 中文Web 测试集CWT200g 之文档集的构建 本科毕业论文评语 学生姓名 秦琦 学号 成绩 论文题目 中文Web 测试集CWT200g 之文档集的构建 指导教师意见 秦琦同学的毕业设计论文工作涉及信息检索领域中评测集的构建工作， 针对中文 Web 信息检索评测的需求，构建了 CWT200g(Chinese Web Test collection with 200 GB web pages )文档集。目前该测试集已经用于 SEWM2006 中文Web 信息检索评测。 CWT 系列测试集是针对中文信息检索评估而制作的大规模 Web 测试 集。该测试集的第二版 CWT200g 不仅相对于CWT100g 在容量上提高一倍，还 针对 CWT100g 中存在的问题，加入垃圾站点过滤和网页级别的重复内容过 滤，并采取新的网页抓取策略，在提供更大的信息量的同时，保证整个数据集 的内容质量。 论文对于 CWT200g