一种提高中文搜索引擎检索质量HTML解析方法.pdfVIP

下载本文档

16
0
约2.8万字
约 10页
2015-08-30 发布于安徽
举报
版权申诉

一种提高中文搜索引擎检索质量HTML解析方法.pdf

1、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。。
2、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。
3、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)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、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。
6、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。
7、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

中文信息学报第卷第期 ! # !#$%’()*+%,-,+%($./+%0$),--+%1 234$!%3$# 文章编号：（） !%%’%%(%%%#’%%!)’%* 一种提高中文搜索引擎检索质量的*/.’解析方法! ，，， !( !( ! !( 宋睿华，马少平，陈刚，李景阳（清华大学计算机科学与技术系，北京；清华大学智能技术与系统国家重点实验室，北京） !$ !%%%*# ($ !%%%*# 摘要：中文搜索引擎经常会返回大量的无关项或者不含具体信息的间接项，产生这类问题的一个原因是网页中存在着大量与主题无关的文字。对使用关键字检索方法的搜索引擎来说，想在检索或者后处理阶段解决这类问题不仅要付出一定代价，而且在大多数情况下是不可能的。在这篇论文中，我们提出了网页噪声的概念，并针对中文网页的特点，实现了一种对网页自动分块并去噪的*/.’解析方法，从而达到在预处理阶段消除潜在无关项和间接项的目的。实验结果表明，该方法能够在不占用查询时间的前提下!%%5地消除中文搜索引擎隐藏的间接项，以及大约!!5的无法过滤或隐藏的无关项或间接项，从而大幅度提高检索结果的查准率。关键词：计算机应用；中文信息处理；解析；降噪；分块模型；搜索引擎 */.’ 中图分类号：文献标识码： /0)!$ */.’067897:3+; 73=9)?@989-967A,@?@98 B ，，， !( !( ( !( ，，， +,-./012304 56+347219 ;=- .49 ?@19249 8 : : :A : （，，，； !$BCDE7F;7G 0DCH+I1C9IC49JKCI397L7 KM19304N91OCHM1D PC119 !%%%*#;3194 8 8 :A : A Q: ，，，） ($+D4DCRC 4SE7F?9DCLL1C9DKCI3E49J+ME KM19304N91OCHM1D PC119 !%%%*# ;3194 A : A : A Q: ：， C8:76A: T31LC0M19 MC4HI3C919C C7LC4LU4MF19JM7G49 1HHCLCO49D7H CH13CH4LLHCLCO49D1DCGM19D3CHC2 : : 8 8 A A 8 8 A M0LDL1MDE