中文网页信息检索测试集的构建、分析及应用-中国语言文字网.pdfVIP

第 22 卷 　第 1 期 中文信息学报 Vol . 22 , No . 1 2008 年 1 月 J OU RN AL O F C H IN ESE IN FO RMA T ION PROCESSIN G J an . , 2008 文章编号 : (2008) 0 中文网页信息检索测试集的构建、分析及应用 李静静 ,闫宏飞 (北京大学 北京 10087 1) 摘 　要 : 随着 WWW 的迅速发展 ,Web 信息检索技术成为研究者广泛关注的话题 ,但缺少合适的测试评测机制制 约了中文网页信息检索技术的发展 。参考国外测试集的构建经验 ,我们构建了大规模中文网页信息检索测试集 CW T ,并组织了 SEWM 中文网页检索评测 ,希望在国内外各个研究小组的共同参与下建立并完善 CW T ,一起推动 中文网页信息检索技术的发展 。本文在调研和分析国内外现有研究进展的基础上 ,详细介绍了 CW T 的构建原则 和方法 ,并对 CW T 进行了有效的统计分析和实验研究 。本文提出的构建测试集的方法为以后的研究提供了参考 。 关键词 : 计算机应用 ; 中文信息处理 ;CW T ;信息检索 ;评测 ;测试集 ;文档集 中图分类号 : TP39 1 　　　　文献标识码 : A Chinese Web Retrieval Test Collections : Construction , Analysis and Appl ication L I Jingj ing , YAN Hongfei ( Peking U niver sit y , Beij ing 10087 1 , China) Abstract : Wit h t he rapid develop ment of World Wide Web , Web information ret rieval ( IR) has been a hot research topic , but t he research has been rest rict ed by t he lack of app rop riat e t est collection s. Accor ding to t he framework of exi sting foreign t est collection s , we con st ruct ed lar gescale Chinese Web Test collection s ( CW T) , and or ganized SEWM Chinese Web search evaluation . Ba sed on t he investigation and analy si s of current research , t he det ail s in con st ructing each component are int roduced , and effective st ati stical analy si s and exp eriment s are carried t hrough . The met ho dology u sed in engineering CW T should be readily applicable to t he con st ruction of fut ure Web corpora . Key words : comp ut er application ; Chinese information p rocessing ; CW