计算机技术前沿总结.ppt

搜索引擎与信息检索 搜索引擎技术是集体智慧在Web领域里的一个重要应用,主要包含搜集文档 、建立索引 、结果排序等 全文搜索算法是最重要的集体智慧算法之一，事实证明，人们在这一领域里所产生的新想法已经创造出了大量的财富 信息检索是研究对大规模信息进行快速、准确而全面地获取、组织、挖掘和提供访问的一门学科，其目标是要从大规模文档集合中返回满足用户需求的文档子集 信息检索涉及自然语言处理、机器学习、数据挖掘、并行分布式处理等多个领域的相关理论和技术 基于内容的度量方法 单词频度 文档位置 单词距离 基于链接的度量方法 到目前为止，我们对评价度量的讨论都是基于网页内容本身 对搜索结果加以改善，我们可以考查外界就该网页所提供的信息——尤其是谁链向了该网页 基于网页链接的度量方法，最为简单的做法，是针对每个网页统计其链接的数目，并将链接总数作为针对该网页的度量 基于链接的度量方法中 最著名的算法是PageRank算法 基于链接的度量方法 通过一个具体的例子来看一看PageRank的计算方法 图中，网页B、C和D均指向A，它们的PageRank值已经计算得出。B还指向另外三个网页，而C则指向其他三个网页，D只指向A。为了得到A的PageRank值，我们将指向A的每个网页的PageRank值除以这些网页中的链接总数，然后乘以阻尼因子0.85，再加上一个0.15的最小值