SEWM2006Web检索.pptVIP

下载本文档

0
0
约1.12千字
约 10页
2017-08-28 发布于上海
举报
版权申诉

SEWM2006Web检索.ppt

1、本文档共10页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

试验环境硬件: CPU PⅣ 2.8Ghz 内存 512M 操作系统: Windows 编程语言: Java Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo SEWM2006Web检索山东大学陈竹敏山东大学 Contents 任务分析实现过程问题讨论及下一步工作 1 2 3 山东大学任务分析主题提取-查找主题相关的关键资源的入口最靠前的并不一定是最好的一般是搜索出的结果中同一网站的深度最少的URL 导航搜索判断主页还是指定页面主页查找-查找指定名字的网站的首页最靠前的并不一定是最好的找出同一网站中URL的主页指定页面查找-查找指定名字的页面山东大学实现过程 CWT20G 解压预处理分词索引检索二次调整主题查询导航搜索请求预处理主题需求_链接分析主页_链接分析指定页面排序调整简化的 Pagerank 匹配度山东大学实现过程-2 解压－直接使用北大提供的解压程序。预处理 HTML标记数量有限?统计了400M数据中出现的标记及其出现的次数+标记的意义?标记分类+权重分配 1.去掉不要的 2.找到想要的 √ 分为：title content 山东大学实现过程-2 分词－中科院免费分词软件。索引－开源软件Lucene。请求预处理根据不同的任务采用不同的调整策略。导航搜索-可以很容易的区分是查找主页还是指定页面。分词，特征表示。山东大学实现过程-3 二次调整根据简化的Pagerank进行重排序。根据不同任务的特点采用不同的调整策略。初始检索结果所有链入链出链接 20G 链接库简化Pagerank 排序调整主题检索聚类对同一网站检索出的结果找到最上层的URL 链入链出指定页面主页聚类找到主页链入链出二次调整结果 Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo Company Logo * *