【课件】SEWM 2018 中文web检索评测报告知识分享.pptVIP

  • 2
  • 0
  • 约小于1千字
  • 约 13页
  • 2018-11-28 发布于天津
  • 举报

【课件】SEWM 2018 中文web检索评测报告知识分享.ppt

【课件】SEWM 2018 中文web检索评测报告知识分享.ppt

第五届全国搜索引擎和网上信息挖掘学术研讨会 SEWM 2007 中文web检索评测报告 /sundae_meng 主题提取 TD 任务分析 不能按照网页相似度大小来判断 站点是从一组相关网页的入口 网页深度一般不会大于4 /sundae_meng 导航搜索 导航搜索 (HPNP) 主页查找 检索返回的相关网页可能只来源于某几个网站 主页大部分是以“/”结尾,或者结尾包含“index”,“default”单词 指定页面查找 一般可以按照网页的检索评分得到结果 查询任务和网页的title基本一致 /sundae_meng 系统设计 解压缩 查询任务分析 CWT200g 分析网页 分词 预处理 TD/HPNP 初次排序结果 检索 建立索引 二次检索 /sundae_meng 系统设计 分析网页 去掉冗余信息,只保留title和body的标签内容 分词 北大天网提供的CHSeg分词程序 统计词频 /sundae_meng 系统设计 查询分析 手动判断,分开HP和NP查询 对查询进行分词,统计词频 索引和检索 开源lucene 对提取的title和body建立索引 检索中运用向量模型 权重计算公式 W( ti, dj)= /sundae_meng 二次排序 针对不同的查询任务采取不同策略 HP 查找主页首先要进行网页站点聚类,每个网站取

文档评论(0)

1亿VIP精品文档

相关文档