中文搜索引擎的個(gè)性化服務(wù)研究.pdf

1、1994年,萬(wàn)維網(wǎng)(World Wide Web)出現(xiàn)。萬(wàn)維網(wǎng)極大地方便了人們的工作,它的信息廣泛的可訪(fǎng)問(wèn)性以及開(kāi)放性極大的鼓勵(lì)了人們的創(chuàng)作積極性,同時(shí)也給信息檢索領(lǐng)域帶來(lái)了新的發(fā)展機(jī)遇和技術(shù)挑戰(zhàn)。
　　 搜索引擎是一個(gè)網(wǎng)絡(luò)應(yīng)用軟件,從Web用戶(hù)角度看,它能根據(jù)用戶(hù)提交的查詢(xún)?cè)~、短語(yǔ)或者一句話(huà),返回一個(gè)可能與用戶(hù)查詢(xún)相關(guān)的網(wǎng)頁(yè)列表,供用戶(hù)進(jìn)一步地判斷和查詢(xún)。當(dāng)前,搜索引擎面臨以下技術(shù)難點(diǎn):多源異構(gòu)數(shù)據(jù)類(lèi)型、搜索內(nèi)容的全面性、搜索

2、的準(zhǔn)確性、個(gè)性化檢索等。個(gè)性化搜索是未來(lái)搜索技術(shù)發(fā)展的一個(gè)重要方向,是機(jī)器服務(wù)人類(lèi),人機(jī)和諧交互的一個(gè)重要發(fā)展。
　　 本文系統(tǒng)的研究了中文搜索引擎的工作原理、實(shí)現(xiàn)技術(shù)以及個(gè)性化模型。深入地分析了中文搜索引擎的核心技術(shù):中文分詞、機(jī)器爬蟲(chóng)、索引的建立與倒排序文件的生成、查詢(xún)優(yōu)化以及查詢(xún)結(jié)果的排序等。通過(guò)對(duì)中文分詞系統(tǒng)的改進(jìn),加入混合詞典機(jī)制,提高了中文分詞的準(zhǔn)確性。分析Web信息挖掘技術(shù)與信息檢索技術(shù)的關(guān)系,通過(guò)對(duì)用戶(hù)使用中文搜

3、索引擎的查詢(xún)習(xí)慣、訪(fǎng)問(wèn)頻率,瀏覽網(wǎng)頁(yè)等信息資源進(jìn)行挖掘,提取用戶(hù)的使用特征以及興趣愛(ài)好,建立用戶(hù)的個(gè)性化興趣模型。根據(jù)用戶(hù)個(gè)性化興趣模型,給出了一個(gè)個(gè)性化中文搜索引擎模型。旨在結(jié)合Web信息挖掘提高中文搜索引擎的查準(zhǔn)率,為用戶(hù)提供個(gè)性化的信息檢索服務(wù)。本文所做的具體工作如下:
　　 (1)深入研究中文搜索引擎的核心技術(shù)實(shí)現(xiàn)細(xì)節(jié):網(wǎng)頁(yè)信息搜集、對(duì)搜集到的原始信息預(yù)處理、建立索引以及倒排文件、提供查詢(xún)服務(wù)。
　　 (2)改進(jìn)