搜索引擎智能化技術(shù)中若干關(guān)鍵問題的研究與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和網(wǎng)絡(luò)信息資源爆炸式地增長(zhǎng)，互聯(lián)網(wǎng)用戶的數(shù)量也在以驚人的速度增加著。越來越多的網(wǎng)民開始習(xí)慣于通過搜索引擎在網(wǎng)上檢索信息?，F(xiàn)在搜索引擎已成為人們必需的網(wǎng)絡(luò)應(yīng)用工具，隨著搜索引擎應(yīng)用的廣泛普及，人們已不再滿足于傳統(tǒng)的搜索引擎為人們提供的服務(wù)，人們希望搜索引擎能夠更加智能化，更加人性化，檢索結(jié)果能夠更加準(zhǔn)確，這些新的需求都給搜索引擎技術(shù)提出了更高的要求。
　　 本文對(duì)目前處于研究熱點(diǎn)的智能搜索引擎技術(shù)領(lǐng)域的幾個(gè)

2、關(guān)鍵性問題進(jìn)行了一些探索性的研究。內(nèi)容主要包括：1)提出并實(shí)現(xiàn)了基于網(wǎng)站優(yōu)先級(jí)調(diào)整算法的網(wǎng)頁信息動(dòng)態(tài)采集技術(shù)，通過檢測(cè)采樣網(wǎng)頁平均時(shí)新度的變化來動(dòng)態(tài)調(diào)整網(wǎng)站的優(yōu)先級(jí)別，從而達(dá)到對(duì)相應(yīng)網(wǎng)站網(wǎng)頁信息采集頻度的動(dòng)態(tài)調(diào)整。2)研究了網(wǎng)頁源碼中的中文文字密度與網(wǎng)頁正文的關(guān)系，提出并實(shí)現(xiàn)了基于文字密度的網(wǎng)頁正文提取算法，擺脫了已有的網(wǎng)頁正文提取算法對(duì)網(wǎng)頁HTML(Hyper Text Mark-up Language，超文本標(biāo)記語言)標(biāo)簽的依賴，輔

3、助以一定的規(guī)則，從而實(shí)現(xiàn)了高效快速地提取網(wǎng)頁正文。3)對(duì)文本自動(dòng)分類領(lǐng)域里的幾個(gè)關(guān)鍵問題進(jìn)行了研究，提出并實(shí)現(xiàn)了基于哈希表的動(dòng)態(tài)向量降維技術(shù)，提出并實(shí)現(xiàn)了改進(jìn)的向量余弦相似度算法，研究了概念主題詞對(duì)網(wǎng)頁文檔的唯一標(biāo)引性，構(gòu)建了基于主題詞向量的向量空間模型，并且研究了這些算法在文本自動(dòng)分類中的應(yīng)用。4)研究了文本自動(dòng)分類技術(shù)在網(wǎng)頁自動(dòng)分類中的應(yīng)用，提出并實(shí)現(xiàn)了類別中心向量分類算法和CKNN(聚類K近鄰)分類算法。5)研究了基于向量空間模型