全国搜索引擎与网上信息学术研讨会SEWM2006---中文Web.pptVIP

华南木棉信息检索 木棉检索队:张元丰,陈晓志,陈晓锋 目录 木棉搜索引擎现状 数据格式转换 关键技术介绍 结果提交 分析与展望 木棉搜索引擎现状 基于Nutch的实现； 对URL、Title、Anchor、Content进行索引； PageRank算法的应用； 中文分词； 基于集群系统的并行化搜索引擎。 木棉搜索引擎现状 木棉搜索引擎现状 目录 木棉搜索引擎现状 数据格式转换 关键技术介绍 结果提交 分析与展望 数据格式转换 数据格式转换 将3700万网页分成70个part进行处理 对每个part建立Web DB 合并所有的Web DB 用完整的Web DB更新每一个part的数据 对每个part分别建立索引 合并索引 目录 木棉搜索引擎现状 数据格式转换 关键技术介绍 结果提交 分析与展望 关键技术介绍 TD 搜索相关主题的文章，主要查找入口页面。 NPHP 查找首页或者指定页面 。 关键技术介绍 TD 扩展查询 利用Description对查询词进行扩展，比如： top numNumber:TD146 title股票分析/title descDescription:股票分析的网站，专家评论，论坛和软件 /top 扩展后为：股票分析、股票论坛、股票评论、股票软件； 用扩展后的查询词搜索，每个查询词均返回300条结果； 合并扩展查询结果。 关键技术介绍 T