锚文本在搜索引擎中存储应用.doc

本科生毕业论文 题目：(中文) 锚文本在搜索引擎中的存储及应张旭东随着互联网的飞速发展，信息检索在实际生活中的作用越来越重要，在学术界也引起了研究学者的重视。互联网规模的不断扩大，使得作为网页之间的链接文本的锚文本的作用越来越大。针对锚文本在搜索引擎中的研究近十年才逐步开展起来的。锚文本在搜索引擎应用非常广泛，因此设计一种高效的锚文本的存储结构就显得非常重要。 本文在北京大学网络实验室天网组的智能中文搜索引擎平台PARADISE，对原有锚文本的存储结构进行了改进，设计了一种新的附加信息存储结构，这种结构额外存储了锚文本的附加信息，相比于以往的结构来讲又节省了存储空间。另外，本文使用锚文本新的存储结构在PARADISE中设计并实现了相应的打分模块，用于锚文本的检索。在TREC09 Web Track的Clueweb09B数据集上，同时使用PARADISE锚文本新旧存储结构和打分模块，进行了锚文本的构建索引和检索的对比实验，实验结果发现新的结构下锚文本的存储空间有了显著的减少，锚文本的检索效果相比于原先的检索方法也有了提高。 关键词：锚文本 PARADISE 存储 检索 目录 第 1 章 引言 1 1.1 万维网的起源和发展 1 1.2 信息检索和搜索引擎 1 1.3 锚文本概述 2 1.4 本文的贡献 3 1.5 本文组织 3 第 2 章 相关研究 4 2.1 锚文本在搜索