本科毕业论述述文评语.docVIP

本科毕业论文评语 学生姓名 秦琦 学号成绩 论文题目 中文Web测试集CWT200g之文档集的构建 指导教师意见 秦琦同学的毕业设计论文工作涉及信息检索领域中评测集的构建工作，针对中文Web信息检索评测的需求，构建了CWT200g(Chinese Web Test collection with 200 GB web pages )文档集。目前该测试集已经用于SEWM2006中文Web信息检索评测。 CWT系列测试集是针对中文信息检索评估而制作的大规模Web测试集。该测试集的第二版CWT200g不仅相对于CWT100g在容量上提高一倍，还针对CWT100g中存在的问题，加入垃圾站点过滤和网页级别的重复内容过滤，并采取新的网页抓取策略，在提供更大的信息量的同时，保证整个数据集的内容质量。 论文对于CWT200g的种子站点列表制作、垃圾站点消除、抓取策略和后期的消重、采样工作进行介绍。特别对于制作过程中不同于CWT100g的步骤进行了重点分析与讨论。 毕设期间，秦琦同学工作努力，态度积极，按计划完成了任务，表现出一定的自主研发能力和较强的动手能力。摘要 在信息检索领域中，信息检索系统评估对于信息检索系统的研究、开发和应用有着显著的影响。大规模的测试集被认为是信息检索系统评估工作的基础，其质量决定着评估工作的效率和评估结果的准确定。 CWT系列测试集是北