Web信息检索中信息分类技术的研究.docVIP

Web信息检索中信息分类技术的研究 　　摘 要：随着Internet/Intranet的快速发展和普及，丰富的Web资源构成一个巨大的全球信息仓库。在海量数据空间中快速、准确地获取用户所需成为Web检索系统研究的焦点。将一种全新的网页自动分类技术引入WWW信息抽取领域，解决网上信息有效获取的问题。获取网站分类体系，设计的Web信息自动归类算法，可通过Web数据抽取机制以及Web信息分类技术实现检索结果的分类和层次化展示，使用户快捷准确地从WWW上获取所需信息。?? 　　关键词：信息检索；信息归类；分类体系；层次化展示?? 　　中图分类号：TP393.092 文献标识码：A 　　文章编号：1004-373X(2008)10-076-03?オ? 　　 　　Research of Information Classification in Web Information Retrieval?? 　　MA Jiying,ZHU Lijun,ZHANG Yan?? 　　(Shenyang Institute of Chemical Technology,Shenyang,110142,China)?オ? 　　Abstract：As Internet/Intranet developing quickly and being popular,affluent Web resources have composed a huge global information warehouse.It becomes more and more important in information retrieval research that how to obtain the Web information what users need among magnanimity data space fast and accurately.In order to improve the performance of search engine,this paper applies a new technology of Web page classification to the existing search engine.We obtain Website classification system and design arithmetic of Web information classification.Result can be classified into groups and displayed hierarchically by Web information extraction mechanism and users obtain what they need on WWW fast.?? 　　Keywords：information retrieval;information classification;classification system;hierarchical display?オ? 　　 　　1 引 言?? 　　目前，搜索引擎提供的信息往往远多于用户所需的信息，原因是基于关键词的搜索会返回包含该关键词的所有网页，而这些网页往往跨越多个领域，其中会有许多内容属于用户根本不感兴趣的范围。为使因特网用户快速查询出感兴趣的信息，有必要将分类技术运用到搜索引擎当中。网页间的超链接提供了网页间内在关系的信息[1]，很明显，如果网页A指向网页B，那么网页A的作者会认为网页B包含有价值的信息或者他们之间存在某些关系。已经有一些分类工作涉及用超链接及HTML结构来提高网页分类的精确率[2-4]。?? 　　与传统数据相比，Web数据有如下特点[5,6]：数据不由任何组织和个人控制，没有固定的数据模型；数据的组织是任意的，只要能在Web上展现即可；数据的内容和表现方式是动态变化的；数据量巨大并且增长迅速。虽然搜索引擎已经成为成熟的商业应用，极大地方便Web信息的查找和获取，但他还存在着以下问题[7,8]：大量非专业用户，难以使用简单查询串准确表达自己的信息需求，从而造成大量查询结果并不是用户需要的信息；信息搜索过程和结果集排序对所有用户使用同一标准，难以使不同知识、工作背景的用户都满意；新近提出的自动分类的搜索引擎服务[9]是一种新型的、自动语义匹配、自动抽取主要栏目，二级栏目，模块化的Web应用，并能通过Web被发布、定位和调用。他着眼于网页之前间的超连接关系，通过蜘蛛程序获得网站拓扑结构和分类体系进而完成Web信息的自动归类，从根本上不同于基于特征向量法的网页自动分类技术。自动分类的搜索引擎服务能帮助简