PageRank算法應(yīng)用在文獻(xiàn)檢索排序中的研究及改進(jìn).pdf

1、隨著互聯(lián)網(wǎng)的高速發(fā)展，越來越多的信息以電子形態(tài)存儲和交換，于是信息檢索技術(shù)應(yīng)運(yùn)而生，并且仍在不斷的發(fā)展和完善。文獻(xiàn)檢索作為科研人員獲取資源信息的重要途徑，已經(jīng)成為信息檢索中一塊重要的領(lǐng)域?？茖W(xué)的文獻(xiàn)檢索可以幫助科研人員借鑒和總結(jié)前人的研究成果，不僅能夠促進(jìn)文獻(xiàn)資源的迅速開發(fā)和利用，還可以避免重復(fù)研究等現(xiàn)象的出現(xiàn)。
　　傳統(tǒng)文獻(xiàn)檢索大多按照被引次數(shù)、發(fā)表時間、搜索詞出現(xiàn)頻次等條件之一對結(jié)果進(jìn)行排序，角度單一且忽略了文獻(xiàn)相互引用帶來的

2、價值流動，往往會出現(xiàn)部分文獻(xiàn)排名過高或過低的現(xiàn)象。為此，很多國內(nèi)外學(xué)者提出將PageRank算法應(yīng)用到文獻(xiàn)檢索中，并取得了一定程度的改進(jìn)，但是仍忽略了一些特殊情況，如文獻(xiàn)使用價值可能會隨時間的推移而產(chǎn)生衰退，還有一些發(fā)表時間較短的文獻(xiàn)被引次數(shù)為零，如何去評估他的價值等。
　　本文針對這些問題，提出了一種多維檢索排序法，在對文獻(xiàn)間互引所構(gòu)成的引文網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行分析的基礎(chǔ)上，綜合考慮各種因素帶來的影響，并引入文獻(xiàn)活躍度的概念，以加權(quán)的

3、方式將文獻(xiàn)價值量化。最后，本文選擇開源網(wǎng)絡(luò)爬蟲Heritrix作為樣本采集工具，采用Struts2開發(fā)框架，Html+JavaScript腳本語言以及Oracle11g數(shù)據(jù)庫等開發(fā)工具設(shè)計(jì)并實(shí)現(xiàn)了一個簡易的在線文獻(xiàn)檢索系統(tǒng)。
　　該系統(tǒng)從中國知網(wǎng)上爬取對文獻(xiàn)進(jìn)行描述的Html和Aspx文件并進(jìn)行解析，通過解析結(jié)果創(chuàng)建實(shí)驗(yàn)數(shù)據(jù)集。實(shí)驗(yàn)證明，多維檢索排序法比傳統(tǒng)文獻(xiàn)檢索排序法效果更好，而且由權(quán)值迭代所帶來的額外的計(jì)算量大部分為離線完成