Similarity Search Based on Textual Content.pdf

1、如今，使用搜索引擎是我們搜索和查找信息的基本方法。網(wǎng)頁搜索已經(jīng)成為了大量網(wǎng)站的主要工作之一。盡管網(wǎng)頁搜索是檢索信息的一種成功而有效的方式，但是不同應(yīng)用需要各種不同檢索信息的方法。理解網(wǎng)頁搜索背后的目標(biāo)，能夠?yàn)槲磥砭W(wǎng)頁搜索引擎的改進(jìn)提供一種視覺角度。在搜索查詢目標(biāo)的相似對象時(shí)，出于支持用戶決策的推薦信息以及減少乏味的翻閱的需求，我們的工作基于分析頁面的內(nèi)容來檢索相似目標(biāo)的信息。
　　 本文透視網(wǎng)頁搜索的概念，以相似性搜索為重點(diǎn)。相

2、似性搜索指的是搜索類似查詢目標(biāo)的對象。給出用戶查詢目標(biāo)的前提下，系統(tǒng)搜索網(wǎng)頁發(fā)現(xiàn)有關(guān)的相似對象，這意味著這些對象與查詢目標(biāo)具有公共的屬性。如果某用戶想搜集相似位置的信息，本文對一種新方法進(jìn)行建模和分析，這種方法的挑戰(zhàn)是從大量收集的信息結(jié)構(gòu)不良的文件中決定目標(biāo)特性。
　　 本文評價(jià)了這些適合于發(fā)現(xiàn)與原始查詢相似結(jié)果的技術(shù)。我們提出的方法以詞條提取為基礎(chǔ)，通過在搜索結(jié)果中頻繁出現(xiàn)的詞條，將初始查詢的目標(biāo)與相似對象聯(lián)系起來。這些提取的

3、詞條(最重要的K-詞條)被認(rèn)為是公共的特性，并且他們被用作由系統(tǒng)得出的最終結(jié)果所執(zhí)行的隨后查詢。但是，不僅對詞條的賦權(quán)將使我們獲得相似目標(biāo)的結(jié)果，而且我們需要核對根據(jù)最重要的K-詞條查詢出的結(jié)果，以刪除與原始查詢更相關(guān)的文檔，因?yàn)槲覀兪遣檎蚁嗨颇繕?biāo)的結(jié)果，而不是最初查詢的結(jié)果。
　　 性能評價(jià)證明了我們的方法符合用戶的信息需求。這種方法通過檢索相關(guān)的特性而得到好的準(zhǔn)確度。分析同樣顯示，通過過濾掉文件中與初始查詢相關(guān)的內(nèi)容來提高關(guān)