Web实体提取在垂直搜索中的应用研究.pdf

Web实体提取在垂直搜索中的应用研究* 李宏伟，张志远 (郑州轻工业学 院 机 电工程学 院，涸南 郑州 45。002) 摘 要 ：首先介绍 了垂直搜 索的定义及其特点 ，针对垂直搜 索的特征提 出了Web实体提取方法。详 细阐述了web实体的概念设计 、流程设计 ，分析 了整个 web实体提取方法执行过程 ，并在此基础上完成 了web实体提取算法设计。最后，将该 web实体提取方法应用于垂直搜 索中，充分说明了其可行性 ，并 将推动垂直搜索的发展 。 关键词：垂直搜索引擎；web实体；web实体提取；数据抽取 中图分类号：TP3ll 文献标志码 ：A 随着互联网的迅速发展，网上信息资源呈 “爆炸 个领域外的闲杂信息不被收录。 式”增长 ，出现了 “信息过剩”的现象。这时 ，网站面 归纳起来，垂直搜索具有如下 7大特征。 I临着许多难以克服的问题 ：1)无所不包的网络 门户 1)特定领域或对象：垂直搜索可以按照领域划 更像是 “垃圾信息”的海洋 ，网民经常花费大量的时 分为房产 、汽车 、旅游 、餐饮等 ，也可以按照对象分为 间和金钱在网络门户上搜索所需信息，希望获得少 机构、产 品、图片、职位等 ，而且这两维还可 以是交 而精的 “所得即所要”信息 ，但用户一一点击后，发现 叉 的。 很多信息都不能很好地满足 自己的需求 ；2)网络门 2)特定需求 ：从用户的角度看 ，垂直搜 索的用 户所提供 的信息大多是罗列传统媒体 的信息，附带 户是有特定需求的。以汽车为例，主要需求有购车、 介绍大众关心的消息．大多网站做信息的集成、信息 用车、修车、转让二手车、选驾校、选 4s店等 。选定 的搬抄 ，导致许多 网站的信息面孑L雷 同，内容泛泛； 某种特定的需求 (如 “购车”)深入地做下去，然后再 3)随着网民的 “个性化”需求 日益增强，网上形成 了 向其他需求推进 。 许多不同兴趣 的群体。很明显 ，网络 门户浅尝辄止 3)全面：通用搜索的面太宽 ，难免挂一漏万，垂 的信息不能满足这些不同群体的要求 。然而 ，针对 直搜索既然已经定位到特定领域 ，就要把这个领域 某一特定领域、人群或需求设计 的垂直搜索引擎能 的信息尽可能都收集全。 很好地满足这一需求 。它的出现正是为了解决 以 4)深入 ：垂直搜索可以不断地积累行业背景知 上谈到的难题，从横向的大信息分类转 向信息的专 识 (领域本体)，利用数据挖掘等手段，发现信息之间 业化和信息的深度加工。与此 同时 ，它也对中文信 的关联和趋势 ，给用户提供可以用来指导实践 、解决 息处理和中文信息检索技术提出了新的挑战。 问题的 “知识”，从而达到 “深”的效果 。这是垂直搜 索超越通用搜索的一个关键。 l 垂直搜索概述 5)准确 ：由于限定了领域，因此垂直搜索的结 1．1 垂直搜索的定义 果有更好的相关性 。另外 ，由于有领域知识的支持 ， 垂直搜索引擎的产生有效地解决了通用引擎无 用户的需求又比较集 中，因此可 以给出更准确的检 法满足的市场需求 ，它们为用户提供 的并不是上百 索结果 。 甚至上千万相关 网页，而是范围极为缩小 、极具针对 6)及时：垂直搜索中存在着时间维 ，比如房产 性的具体信息。因此，垂直搜索是针对某一个行业 信息 ，时效性很强 。因此不能完全按照通用搜索采 的专业搜索引擎 ，是搜索引擎 的细分和延伸 ，它通过