主題驅(qū)動的Web資源發(fā)現(xiàn)研究：模型、算法及應用.pdf

1、萬維網(wǎng)信息的爆炸性增長使Web已經(jīng)成為世界上最大的信息庫.面對這個海量、異構、半結構化的信息庫,Web用戶經(jīng)常發(fā)現(xiàn)要查找到所需的信息需要耗費大量的精力,甚至難以找到,造成了"信息過載,知識匱乏"的問題.為了解決這個問題,在Web信息檢索領域產(chǎn)生了一個新的研究課題,即"主題驅(qū)動的Web資源發(fā)現(xiàn)".它的基本思想可以概括為:根據(jù)用戶定義的目標主題,以智能化的主題爬蟲從Web上收集主題相關的頁面集,然后采用機器學習或信息檢索的方法對收集到的信息

2、進行智能處理和分析,最后以方便、有效的檢索方式滿足用戶的信息檢索需求.它的理論和技術基礎主要包括機器學習、信息檢索、概率統(tǒng)計理論和Web新技術.在很多應用領域,例如基于Web的行業(yè)分析、在線商業(yè)競爭分析和自動構建專題數(shù)字圖書館等,主題驅(qū)動的Web資源發(fā)現(xiàn)系統(tǒng)都富有應用前景,與現(xiàn)有的Web搜索引擎可以形成良好的互補.該文首先介紹了主題驅(qū)動的Web資源發(fā)現(xiàn)的一些基本概念和主要的研究內(nèi)容,然后對其中的三個關鍵問題進行了深入的研究,包括主題爬蟲