SEWM2008中文Web检索评测.pptVIP

SEWM2008中文Web检索评测 闫宏飞 School of EECS, Peking University 4/13/2008 内容 评测任务介绍 Task1：主题网页发现和网页内信息块发现 Task2：非网页数字资源分类 Task3：垃圾邮件过滤 /antispam/ 见华南理工大学，陈彬报告 测试集构建 Task1评测结果 总结 Task1：主题网页发现和网页内信息块发现 包括两个子任务 Task1.1：主题型网页发现 Task1.2：网页内容信息块发现 Task2：非网页数字资源分类 Task2背景 对非网页资源的访问需求首次超过网页信息查找和邮件，成为拉动网民使用互联网的第一因素。[2007.12，CNNIC报告] 非网页资源 通过互联网传播共享 以文件目录为主要存储组织结构 内容独立、构成完整、主题明确。具有一定质量和公共访问需求的数字化实体 Task2研究意义 网络资源现状 数量越来越多 发布和管理是无序的 命名、传播、组织都具有较大随意性 对随意性强的非网页资源的自动组织可应用于数字图书馆、网络教学资源库藏、专题内容管理系统等领域 首要任务：自动分类——给定资源实体的属性，预测其主题类别。 Task2可行性探讨 本次评测提出： 利用资源中包含的文件、子目录的名字、大小、内部目录结构等信息，合理形成特征，找到适当的分类方法，预测资源的内容类别 理由： 1