本文關(guān)鍵詞：搜索引擎索引網(wǎng)頁(yè)集合選取方法研究，由筆耕文化傳播整理發(fā)布。

《計(jì)算機(jī)研究與發(fā)展》 2014年10期

投稿

搜索引擎索引網(wǎng)頁(yè)集合選取方法研究

【摘要】：隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)頁(yè)數(shù)量呈現(xiàn)爆炸式增長(zhǎng),其中充斥著大量?jī)?nèi)容相似的或低質(zhì)量的網(wǎng)頁(yè).對(duì)于搜索引擎來(lái)講,索引這樣的網(wǎng)頁(yè)對(duì)于檢索效果并沒(méi)有顯著作用,反而增加了搜索引擎索引和檢索的負(fù)擔(dān).提出一種用于海量網(wǎng)頁(yè)數(shù)據(jù)中構(gòu)建搜索引擎的索引網(wǎng)頁(yè)集合的網(wǎng)頁(yè)選取算法.一方面使用基于內(nèi)容簽名的聚類(lèi)算法對(duì)網(wǎng)頁(yè)進(jìn)行濾重,壓縮索引集合的規(guī)模;另一方面融合了網(wǎng)頁(yè)維度和用戶(hù)維度的多種特征來(lái)保證索引集合的網(wǎng)頁(yè)質(zhì)量.相關(guān)實(shí)驗(yàn)表明,使用該選取算法得到的索引網(wǎng)頁(yè)集合的規(guī)模只有整個(gè)網(wǎng)頁(yè)集合的約1/3,并且能夠覆蓋絕大多數(shù)的用戶(hù)點(diǎn)擊,可以滿(mǎn)足實(shí)際用戶(hù)需求.

【作者單位】： 智能技術(shù)與系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室(清華大學(xué));清華信息科學(xué)與技術(shù)國(guó)家實(shí)驗(yàn)室(籌);清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系;北京搜狗科技發(fā)展有限公司;
【關(guān)鍵詞】：
【基金】： 國(guó)家自然科學(xué)基金項(xiàng)目(60903107,61073071)
【分類(lèi)號(hào)】：TP391.3
【正文快照】：

隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)頁(yè)數(shù)量爆炸式增長(zhǎng).然而作為提供網(wǎng)頁(yè)搜索服務(wù)的搜索引擎則面臨著巨大的挑戰(zhàn).一方面,搜索引擎的索引能力有限,很難應(yīng)對(duì)每天快速增長(zhǎng)的新網(wǎng)頁(yè);另一方面,網(wǎng)頁(yè)中存在大量的內(nèi)容相同或相似的網(wǎng)頁(yè),同時(shí)索引這些網(wǎng)頁(yè)對(duì)于檢索結(jié)果并沒(méi)有太大的意義,而且大量存

下載全文 更多同類(lèi)文獻(xiàn)

PDF全文下載

CAJ全文下載

(如何獲取全文？ 歡迎：購(gòu)買(mǎi)知網(wǎng)充值卡、在線(xiàn)充值、在線(xiàn)咨詢(xún))

CAJViewer閱讀器支持CAJ、PDF文件格式，，AdobeReader僅支持PDF格式

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 郭慶琳,樊孝忠;[J];現(xiàn)代電力;2004年04期

2 馬玉春,宋瀚濤;[J];計(jì)算機(jī)工程與應(yīng)用;2004年30期

3 郭慶琳,樊孝忠,柳長(zhǎng)安;[J];北京理工大學(xué)學(xué)報(bào);2005年08期

4 郭慶琳;樊孝忠;柳長(zhǎng)安;;[J];計(jì)算機(jī)工程;2006年04期

5 馬輝民;李衛(wèi)華;吳良元;;[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2006年04期

6 張剛;周昭濤;王斌;;[J];計(jì)算機(jī)工程;2006年12期

7 曲皎;李白樺;;[J];遼寧師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

8 鞏知樂(lè);張德賢;;[J];福建電腦;2008年09期

9 姚清耘;劉功申;李翔;;[J];計(jì)算機(jī)工程;2008年18期

10 李華云;;[J];科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì);2008年27期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張猛;王大玲;于戈;;[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

2 董婧靈;李芳;何婷婷;涂新輝;萬(wàn)劍;;[A];中國(guó)計(jì)算語(yǔ)言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

3 王樂(lè);田李;賈焰;韓偉紅;;[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

4 張剛;周昭濤;王斌;;[A];NCIRCS2004第一屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2004年

5 羅娜;左萬(wàn)利;袁福宇;張靖波;張慧杰;;[A];全國(guó)語(yǔ)域web與本體能研討會(huì)論文集[C];2006年

6 顏端武;李曉鵬;王磊;成曉;;[A];全國(guó)語(yǔ)域web與本體能研討會(huì)論文集[C];2006年

7 白剛;張錚;丁宗堯;朱毅;;[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

8 邱立坤;程葳;龍志祎;孫嬌華;;[A];全國(guó)第八屆計(jì)算語(yǔ)言學(xué)聯(lián)合學(xué)術(shù)會(huì)議（JSCL-2005）論文集[C];2005年

9 彭怡;;[A];現(xiàn)代工業(yè)工程與管理研討會(huì)會(huì)議論文集[C];2006年

10 朱強(qiáng)生;田英;周延泉;何華燦;;[A];2006通信理論與技術(shù)新進(jìn)展——第十一屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集[C];2006年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前1條

1 王培森;[N];中國(guó)計(jì)算機(jī)報(bào);2003年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 徐森;[D];哈爾濱工程大學(xué);2010年

2 孟憲軍;[D];哈爾濱工業(yè)大學(xué);2009年

3 郝立麗;[D];吉林大學(xué);2009年

4 倪興良;[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

5 劉向威;[D];天津大學(xué);2005年

6 胡佳妮;[D];北京郵電大學(xué);2008年

7 高茂庭;[D];天津大學(xué);2007年

8 王樂(lè);[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

9 戈鵬;[D];四川大學(xué);2003年

10 熊云波;[D];復(fù)旦大學(xué);2006年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 何晏成;[D];哈爾濱工業(yè)大學(xué);2010年

2 張金;[D];東北師范大學(xué);2010年

3 李梅;[D];安徽大學(xué);2010年

4 王飛;[D];河南工業(yè)大學(xué);2010年

5 趙穎;[D];西華大學(xué);2011年

6 谷波;[D];山西大學(xué);2004年

7 劉延亮;[D];大連理工大學(xué);2006年

8 胡海龍;[D];吉林大學(xué);2008年

9 張猛;[D];東北大學(xué);2005年

10 朱紅燦;[D];湘潭大學(xué);2005年

  本文關(guān)鍵詞：搜索引擎索引網(wǎng)頁(yè)集合選取方法研究，由筆耕文化傳播整理發(fā)布。