中文信息学报利用虚拟站点定位技术的网络信息检索研究①.PDF

中　文　信　息　学　报 第 19 卷 第 2 期 　 JOURNAL OF CHINESE INFORMATION PROCESSING Vol 19 No2 ( ) 文章编号 :1003 - 0077 2005 02 - 0044 - 07 利用虚拟站点定位技术的网络信息检索研究① 刘奕群 ,张 　敏 ,马少平 (清华大学 智能技术与系统国家重点实验室 计算机系 ,北京　100084) 摘要 :虚拟组织是网格体系结构中的基本组织单元 ,借鉴网格研究中对虚拟组织的特性分析 ,可以在网络 信息检索研究中定义虚拟站点的概念。实验发现 ,虚拟站点入口页面是网络信息环境中具有较高质量的一个 网页集合:实验表明 ,仅为全部页面数量 21 %的此类页面就涵盖了 70 % 以上的超链接,对这个集合进行的内 容检索也比对网页全集的检索有超过 60 %的性能提高。这提供了一种在减少索引规模前提下提高网络信息 检索性能的解决方案。 关键词 :计算机应用 ; 中文信息处理; 网络信息检索;非内容特征 ;虚拟组织 中图分类号:TP391 　　　文献标识码 :A Effective Web IR Based on Virtual Site Entry Page Selection LIU Yiqun ,ZHANG Min ,MA Shaoping ( State Key Lab of Intelligent Technology and Systems , Tsinghua University , Beijing , 100084 ,China) Abstract : Virtual Organization (VO) is a basic concept in grid architecture. Analysis in the link structure of Web pages showed that there exist similar organizations in internet which were called Virtual Sites. Many features of virtual organizations could be founded in virtual sites , especially some non - content features , which were further used to select entry pages of Virtual Sites. This subset of Virtual Site entry pages proved to be qualified both in content and link structure analysis. Al though this entry page set contains only about 21 % pages of the whole collection , it covers more than 70 % of its links. Fur thermore , information retrieval on this page set makes more than 60 % improvement with respect to that on all pages. key words : computer application ; Chinese information processing ; Web information retrieval ;non - content feature ;virtual organization. 1 　引言 网格是一个集成的计算与资源环境 ,虚拟组织则是指网格体系结构中能够灵活、安全、平 等的共享资源的个人或机构的集合体[1 ,2 ] 。网格环境中的资源管理与发现往往都依赖于虚拟