校園網(wǎng)中文信息檢索系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn).pdf

1、隨著因特網(wǎng)的迅猛發(fā)展，WEB信息資源每年都以指數(shù)級(jí)規(guī)律增長，用戶要在信息海洋里查找信息，就像大海撈針一樣，搜索引擎技術(shù)恰好解決了這一難題—它以一定的策略在因特網(wǎng)中搜集、發(fā)現(xiàn)信息，對(duì)信息進(jìn)行理解、提取、組織和處理，為用戶提供信息檢索服務(wù)。目前，搜索引擎技術(shù)正成為計(jì)算機(jī)工業(yè)界和學(xué)術(shù)界爭(zhēng)相研究、開發(fā)的對(duì)象。 本文所闡述的搜索系統(tǒng)采用目前世界上比較流行的向量空間模型(VSM)，該模型及其相關(guān)的技術(shù)，包括項(xiàng)的選擇、加權(quán)策略、利用相關(guān)反饋進(jìn)

2、行查詢優(yōu)化等，在文獻(xiàn)分類、自動(dòng)索引、信息檢索等許多領(lǐng)域得到了廣泛的應(yīng)用。 漢語的詞匯在語句中是以線性連續(xù)排列的，它不同于西方語言在詞匯之間存在分割符(空格)，因此，漢語詞匯的切分(分詞)在中文信息處理系統(tǒng)中尤其重要，詞匯切分應(yīng)用于許多信息領(lǐng)域，如機(jī)器翻譯、文獻(xiàn)檢索、文獻(xiàn)分類、文獻(xiàn)過濾、詞頻統(tǒng)計(jì)等。本文采用了一種基于自動(dòng)機(jī)(Automata)的詞典組織結(jié)構(gòu)，并由此生成一種簡潔有效的快速分詞方法。 中文搜索引擎系統(tǒng)由兩個(gè)部分