geeking：基于胜者表的体育新闻搜索引擎系统 geeking：a sports news search engine system based on champion list.pdfVIP

第 5 卷 第2期 集 成 技 术 Vol. 5 No. 2 2016年3月 JOURNAL OF INTEGRATION TECHNOLOGY Mar. 2016 Geeking ：基于胜者表的体育新闻搜索引擎系统 1,2 3 4 5 1 6 林裕杰 陈新荃 高 妍 肖卡飞 胡红祥 花 强 1 (中国科学院深圳先进技术研究院 深圳 518055) 2 (中国科学院大学深圳先进技术学院 深圳 518055) 3 (中国科学院上海高等研究院 上海 2012 10) 4 (中国科学院计算技术研究所 北京 100190) 5 (中国科学院沈阳计算技术研究所 沈阳 110168) 6 (河北大学数学与信息科学学院 保定 071002) 摘  要  文章介绍了体育新闻搜索引擎系统Geeking 的框架结构和各项功能，其结构分为网页爬取、 胜者表构建、检索处理、用户界面 4 个部分，其主要功能包含查询词校正、自动补全、检索结果排 序、相似新闻聚类以及显示页面中关键词高亮并提供网页快照。输入查询请求时，系统根据搜索日志 和新闻热词自动补全查询词，搜索不到相关结果时校正查询，给出推荐的查询词。检索新闻文档时， 使用胜者表快速查找查询词项的相关文档，综合tf-idf 权重和新闻标题、发布时间等因素计算文档的 相关性并按得分排序。在相似新闻聚类中，结合最长公共子序列和编辑距离衡量新闻标题之间的相似 度，以新闻标题相似度代表新闻文档的相似度。测试结果表明，基于胜者表的Geeking 搜索引擎系统 各项功能协调效果好，检索响应速度快。 关键词  搜索引擎；体育新闻；胜者表；编辑距离；聚类；查询词校正 中图分类号  TP 391.3 文献标志码  A Geeking: a Sports News Search Engine System Based on Champion List LIN Yujie1,2 CHEN Xinquan3 GAO Yan4 XIAO Kafei5 HU Hongxiang1 HUA Qiang6 1( Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China ) 2( Shenzhen College of Advanced Technology, University of Chinese Academy of Sciences, Shenzhen 518055, China ) 3( Shanghai Advanced Research Institute, Chinese Academy of Sciences, Shanghai 201210, China ) 4( Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China ) 5( Shenyang Institute of Computing Technology, Chinese Academy of Sciences, Shenyang 110168,