基于markov網(wǎng)絡(luò)的檢索模型

《基于markov網(wǎng)絡(luò)的檢索模型》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第五屆全國搜索引擎和網(wǎng)上信息挖掘?qū)W術(shù)研討會(huì)SEWM2007中文web檢索評(píng)測(cè)報(bào)告江西師范大學(xué)報(bào)告人:曹瑛內(nèi)容提綱評(píng)測(cè)目標(biāo)系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)結(jié)果未來工作評(píng)測(cè)目標(biāo)主題提取（TD）查找主題相關(guān)的關(guān)鍵資源的入口導(dǎo)航搜索(HPNP)HP查找指定名字的網(wǎng)站的首頁NP查找指定名字的頁面主題提取TD任務(wù)分析不能按照網(wǎng)頁相似度大小來判斷站點(diǎn)是從一組相關(guān)網(wǎng)頁的入口網(wǎng)頁深度一般不會(huì)大于4導(dǎo)航搜索導(dǎo)航搜索(HPNP)主頁查找檢索返回的相關(guān)網(wǎng)頁可能只來源于某幾個(gè)網(wǎng)站主頁大部分是以“/”結(jié)尾，或者結(jié)尾包含“index”，“default”單詞指定頁面查找一般

2、可以按照網(wǎng)頁的檢索評(píng)分得到結(jié)果查詢?nèi)蝿?wù)和網(wǎng)頁的title基本一致系統(tǒng)設(shè)計(jì)解壓縮查詢?nèi)蝿?wù)分析CWT200g分析網(wǎng)頁分詞預(yù)處理TD/HPNP初次排序結(jié)果檢索建立索引二次檢索系統(tǒng)設(shè)計(jì)分析網(wǎng)頁去掉冗余信息,只保留title和body的標(biāo)簽內(nèi)容分詞北大天網(wǎng)提供的CHSeg分詞程序統(tǒng)計(jì)詞頻系統(tǒng)設(shè)計(jì)查詢分析手動(dòng)判斷,分開HP和NP查詢對(duì)查詢進(jìn)行分詞,統(tǒng)計(jì)詞頻索引和檢索開源lucene對(duì)提取的title和body建立索引檢索中運(yùn)用向量模型權(quán)重計(jì)算公式W(ti,dj)=二次排序針對(duì)不同的查詢?nèi)蝿?wù)采取不同策略HP查找主頁首先要進(jìn)行網(wǎng)頁站點(diǎn)聚類,

3、每個(gè)網(wǎng)站取出若干根據(jù)規(guī)則得到的主頁后選頁面,然后按照title:body=4:1重新評(píng)分,進(jìn)行排序NP不進(jìn)行二次排序TD首先要進(jìn)行網(wǎng)頁站點(diǎn)聚類,每個(gè)網(wǎng)站取出根據(jù)規(guī)則得到的候選頁面,然后按照title:body=1:4重新評(píng)分,進(jìn)行排序提交結(jié)果RUN1firtex工具RUN2用title和body檢索RUN3只用title進(jìn)行檢索實(shí)驗(yàn)環(huán)境操作系統(tǒng)redhat9.0系統(tǒng)配置2.8GCPU,內(nèi)存4G編程語言java總結(jié)和未來工作網(wǎng)頁結(jié)構(gòu)提取網(wǎng)頁分塊字體大小、文字樣式詞的位置關(guān)系鏈接關(guān)系分析錨文本的利用檢索模型的更新謝謝