浅谈网络信息检索技术.pdfVIP

应用技术 ·重l 浅谈网络信息检索技术 周 雯 (同济大学 上海 200092) 中图分类号 ：TP39 文献标识码 ：A 文章编号：1009914X(2011)08—0303Ol 1信息检索技术的概述 息，而是web页面作为平面机构的文本进行处理。但是，在从触b结构挖掘中， 信息检索技术是现代信息社会中非常关键的技术之一需求查找所需信息 通过对研究web文档组织结构的挖掘，搜索引擎可以进一步扩展搜索引擎的检 的过程和技术，所以信息检索的全称又叫 “信息存储与检索” 狭义 的信息 索能力，改善检索效果。 检索仅指从信息集合中找出所需信息的过程，也就是利用信息系统检索工具查 (3)web行为挖掘在网络信息检索中的应用。认触b行为挖掘是一种通过 找所需信息的过程。人们获取信息源的方式主要有 ：①遵循传统的检索方法 挖掘总结出用户的检行为的模式。用户的检索行为一直是信息检索中重要的 在浩如烟海的图书馆资料中，通过人工查找索引找到对应的文献索引号再获取 研究内容，通过研究web行为挖掘，不仅可以发现多数用户潜在共同的行为模 文献原文：②联机信息检索 。这其中也存在一个发展过程，由检索结果来看， 式，而且还可以发现单个用户的个性化行为，对这些模式进行研究，可以更好地 从提供 目录、文摘等相关的二次信息检索到可以直接获得电子版的全文：由 对搜索引擎的检索效果进行反馈，以便进一步改进搜索策略，提高检果 。 检索方法来看，从对特定关键词或者如作者、机构等辅助信息作为检索入 口 42web挖掘技术的局限及方向 的常规检索到以原始文献中任意词检索的全文检索等等。其中，全文检索由 (1)web内容挖掘。web上的数据不管是用HTML还是XML标记语言表示， 于其包含信息的原始性、信息检索的彻底性 、所用检索语言的 自然性等特 都不能完全解决Web数据的非结构性问题，特别是汉语句子格式繁多，虚词、 点在近年来发展比较迅速，成为深受人们关注的一种非常有效的信息检索技 实词没有绝对的界限，切分词难度大，这些是造成无法对数据进行完全 自动标 术。它是从大容量文档库中精确定位所需信息的最有效手段 l3]。 引的根本性问题，因此，从web内容挖掘技术有必要结合数据仓库等信息技术 2信息推送技术 进行信息存储，并最终实现智能化、自动化的数据表示和标引，以供搜索之 所谓Push技术，又称 “推送”技术、Web广播 (Webeasting)技术，实质 用。通常数据的表示和数据的利用形式是相互关联的，因此，设计相应的具有 上是一种软件，这种软件可以根据用户定义的准则，自动搜集用户最可能发生 高查全率查准率的挖掘算法也和数据表示一样是未来的方向之一。另外多媒 兴趣的信息，然后在适 当的时候，将其传递至用户指定的 “地点”。因而从 体数据如何进行识别分类标引，这也是未来的web内容挖掘研究的难点和方 技术上看，“推”式网络信息服务就是具有一定智能性的、可以自动提供信 向 。 息服务的一组计算机软件，该软件不仅能够了解 、发现用户的兴趣 (可能关心 (2)web结构数据挖掘 。随着 Internet的迅猛发展，网站的内容也越来越 的某些主题 的信息)，还能够主动从 网上搜寻信息，并经过筛选、分类、排 丰富，结构也越来越庞杂，用有向图表示巨型网站链接结构将不能满足数据处