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

《計算機研究與發(fā)展》 2014年10期

投稿

搜索引擎索引網(wǎng)頁集合選取方法研究

【摘要】：隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)頁數(shù)量呈現(xiàn)爆炸式增長,其中充斥著大量內(nèi)容相似的或低質(zhì)量的網(wǎng)頁.對于搜索引擎來講,索引這樣的網(wǎng)頁對于檢索效果并沒有顯著作用,反而增加了搜索引擎索引和檢索的負擔(dān).提出一種用于海量網(wǎng)頁數(shù)據(jù)中構(gòu)建搜索引擎的索引網(wǎng)頁集合的網(wǎng)頁選取算法.一方面使用基于內(nèi)容簽名的聚類算法對網(wǎng)頁進行濾重,壓縮索引集合的規(guī)模;另一方面融合了網(wǎng)頁維度和用戶維度的多種特征來保證索引集合的網(wǎng)頁質(zhì)量.相關(guān)實驗表明,使用該選取算法得到的索引網(wǎng)頁集合的規(guī)模只有整個網(wǎng)頁集合的約1/3,并且能夠覆蓋絕大多數(shù)的用戶點擊,可以滿足實際用戶需求.

【作者單位】： 智能技術(shù)與系統(tǒng)國家重點實驗室(清華大學(xué));清華信息科學(xué)與技術(shù)國家實驗室(籌);清華大學(xué)計算機科學(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】： 國家自然科學(xué)基金項目(60903107,61073071)
【分類號】：TP391.3
【正文快照】：

隨著互聯(lián)網(wǎng)的快速發(fā)展,網(wǎng)頁數(shù)量爆炸式增長.然而作為提供網(wǎng)頁搜索服務(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)對每天快速增長的新網(wǎng)頁;另一方面,網(wǎng)頁中存在大量的內(nèi)容相同或相似的網(wǎng)頁,同時索引這些網(wǎng)頁對于檢索結(jié)果并沒有太大的意義,而且大量存

下載全文 更多同類文獻

PDF全文下載

CAJ全文下載

(如何獲取全文？ 歡迎：購買知網(wǎng)充值卡、在線充值、在線咨詢)

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

【相似文獻】

中國期刊全文數(shù)據(jù)庫 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];計算機工程與應(yīng)用;2004年30期

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

4 郭慶琳;樊孝忠;柳長安;;[J];計算機工程;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(信息與管理工程版);2006年04期

6 張剛;周昭濤;王斌;;[J];計算機工程;2006年12期

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

8 鞏知樂;張德賢;;[J];福建電腦;2008年09期

9 姚清耘;劉功申;李翔;;[J];計算機工程;2008年18期

10 李華云;;[J];科技情報開發(fā)與經(jīng)濟;2008年27期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張猛;王大玲;于戈;;[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

2 董婧靈;李芳;何婷婷;涂新輝;萬劍;;[A];中國計算語言學(xué)研究前沿進展（2009-2011）[C];2011年

3 王樂;田李;賈焰;韓偉紅;;[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

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

5 羅娜;左萬利;袁福宇;張靖波;張慧杰;;[A];全國語域web與本體能研討會論文集[C];2006年

6 顏端武;李曉鵬;王磊;成曉;;[A];全國語域web與本體能研討會論文集[C];2006年

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

8 邱立坤;程葳;龍志祎;孫嬌華;;[A];全國第八屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議（JSCL-2005）論文集[C];2005年

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

10 朱強生;田英;周延泉;何華燦;;[A];2006通信理論與技術(shù)新進展——第十一屆全國青年通信學(xué)術(shù)會議論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 王培森;[N];中國計算機報;2003年

中國博士學(xué)位論文全文數(shù)據(jù)庫 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;[D];國防科學(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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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)頁集合選取方法研究，由筆耕文化傳播整理發(fā)布。