SEWM2006中文Web信息检索评测报告.pptVIP

SEWM2006中文Web信息检索评测报告  大连理工大学信息检索研究室 董静 时达明 刘菁菁 宋丹 叶正 内容提纲 1、评测目标 2、系统设计 3、试验结果 4、未来工作 评测目标 主题提取（TD） 与主题相关的关键资源的入口 导航搜索 HP：一般为一主页 NP：满足用户需求的特定页面 主题提取（TD） 评分标准 1）是否大部分切合主题； 2）提供主题的可靠的信息； 3）不是一个更大的切合主题站点的一部分。 要求 在前十个结果中包含尽可能多的不同站点（用它们的网站首页面表示） 评估准则 前10个结果的精确率和前10个结果的平均精确率 导航搜索 HP 查询一个主页 NP 查询特定的页面 评估准则： 第一个正确答案出现位置的倒数平均值（MRR） 系统的设计－系统框架 系统模块 语料预处理 链接分析 索引（嵌入中文分词） 查询 网页预处理——去噪 网页噪音： 广告栏、导航条、修饰成分等部分。 功能： 减少索引量 提高检索速度 去掉与主题无关的内容 提高检索的准确度。 方法： 有标签table的网页，通过标签 table将网页分割成各个部分，对各个table的长和宽进行比较，去掉长宽比很大的部分(噪音部分)； 没有标签table的网页，根据其是否存在段落文字来判断是否为主题内容； 网页预处理——去噪（续） 不足： 网页的主题内容