一种改进BIR模型及其在FTP搜索中的应用.pdf

( ) 第 35 卷第 5 期 浙　　江　　大　　学　　学　　报　　 工学版 V o l. 35 N o. 5 200 1 年 9 月 Jou rn a l o f Zh ej iang U n iver sity　　(Eng ineer ing Science) Sep. 200 1 一种改进 B IR 模型及其在 FTP 搜索中的应用 1 2 3 吴以才 , 刘　渊 , 郑楼英 ( 1. 浙江大学 信息学院, 浙江 杭州 3 10027; 2. 浙江大学 管理学院, 浙江 杭州 3 10027; 3. 浙江经济职业技术学院, 浙江 杭州 3 100 12) 摘　要: 探讨把文档检索中的二值独立检索模型改进后应用于 F T P 文件检索 解决现有仅通过字符串 匹配检索时存在的无法按相关程度排序结果和因文件名采用缩写时造成漏检的问题 检索模型的参数 估计采用启发式规则自动获得训练集, 实现检索全过程 自动化 实验表明, 使用该模型的检索结果比通 过字符串匹配法具有较高的精确度和检全率 关键词: F T P 检索; 文档检索; 二值独立检索模型 中图分类号: 3 11. 13　　　　　文献标识码: 　　　　　文章编号: 1008973 ( ) T P A X 200 1 F T P 是互联网上常用的服务之一, 由于没有统一的目录结构, 查找所需的内容往往需花费大 量的时间 因此, 如何快速全面准确地定位要查找的内容非常重要 虽然已有一些网站提供了具有 搜索 F T P 文件的服务, 也有专门的F T P 文件查找软件 但两者均局限于字符串匹配查找, 当遇到 词语缩写等情况时漏检率较高 也有的站点通过归类的目录树让用户逐级查询 但如果不熟悉分 类, 或要查找的内容跨类别或属交叉类别, 就需逐类查找, 花费的时间更难以估计 本文基于二值独立检索模型的F T P 检索, 就是针对以上问题提出的, 可以实现 F T P 文件的智 能化搜索功能 服务器的文件路径名中包含着该文件所属的类别信息及文件的其他相关信 F T P 息 本文检索模型就是充分利用文件路径中的信息, 实现文件的快速全面准确检索功能 下面从以 下几个方面作详细说明: 存放 目录信息的数据结构、二值独立检索模型的描述及改进、训练集的自 动获得、 检索模型的实验结果分析 F T P 1　 目录信息的存放结构 由于现有的F T P 协议中没有多级 目录的检索功能, 因此只能从F T P 服务器上按宽度优先遍 历算法逐级下载保存到本地数据库中 各服务器的目录项分别保存在各自的目录表中, 目录项信息 采用表 1 所示的数据结构存放 目录表按文件序号建立索引, 提高检索过程中文件路径的生成速度 表 1　存放 目录信息的数据结构 . 1　 T ab D ata st ru ctu re to sto re d irecto ry in fo rm at ion 序号 字段名 类型 字节数 说明 1 L eve lN o Sm a ll In t 2 目录层次 2 F ileN o In teger