2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、萬維網(wǎng)(World Wide Web)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(gè)海量、異構(gòu)、半結(jié)構(gòu)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(fèi)大量的精力,甚至難以找到,造成了“信息過載,知識(shí)匱乏”的問題。為了解決這個(gè)問題,在Web信息檢索領(lǐng)域產(chǎn)生了一個(gè)新的研究課題,領(lǐng)域搜索引擎。它的基本思想可以概括為:與通用的搜索引擎不同,只對一個(gè)特定領(lǐng)域內(nèi)的網(wǎng)頁集合,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

2、和技術(shù)基礎(chǔ)主要包括機(jī)器學(xué)習(xí)、信息檢索、概率統(tǒng)計(jì)理論和Web新技術(shù)。在很多應(yīng)用領(lǐng)域,例如學(xué)術(shù)搜索,電子商務(wù)搜索,都有很好的應(yīng)用前景,與現(xiàn)有的Web搜索引擎可以形成良好的互補(bǔ)。 基于對象的領(lǐng)域搜索是微軟亞洲研究院在2005年的萬維網(wǎng)大會(huì)(World Wide Web Conference 2005)上提出的新理念。這一理念融合了數(shù)據(jù)庫和信息檢索這兩個(gè)領(lǐng)域的主要技術(shù),認(rèn)為當(dāng)一個(gè)搜索引擎只集中于處理一個(gè)特定領(lǐng)域的Web頁面的話,應(yīng)該能

3、夠提供比基于頁面的搜索更好的服務(wù),可以有相對自動(dòng)化的方法從Web頁面中獲得這個(gè)特定領(lǐng)域所關(guān)心的對象,提供對象一級的搜索。 本文將對基于對象的領(lǐng)域搜索引擎的數(shù)據(jù)倉庫型的解決方案進(jìn)行討論,對幾大核心技術(shù)進(jìn)行分析,包括對象的抽取,對象的集成,對象的搜索,以及領(lǐng)域搜索引擎的聚焦爬蟲。同時(shí),本文通過對兩個(gè)領(lǐng)域的數(shù)據(jù)集的實(shí)驗(yàn),旅游和學(xué)術(shù)搜索,來研究一些新技術(shù)的可行性,包括對象的識(shí)別,對象的搜索,以及領(lǐng)域搜索的聚焦爬蟲。 本文的主要

4、創(chuàng)新工作在于以下幾方面: 1. 首先,在分析了現(xiàn)有主題爬蟲由于缺少增量學(xué)習(xí)能力而影響系統(tǒng)性能的基礎(chǔ)上,本文提出了基于增量學(xué)習(xí)的主題爬蟲系統(tǒng),使頁面分類器和超鏈接評價(jià)器具有增強(qiáng)學(xué)習(xí)能力,改進(jìn)了現(xiàn)有的主題爬蟲的體系結(jié)構(gòu),使主題爬蟲在爬行過程中能夠在線的學(xué)習(xí),具有更強(qiáng)的自適應(yīng)性,快速優(yōu)化爬行策略; 2. 對象識(shí)別是提供高質(zhì)量的Web對象的基礎(chǔ),因此對象識(shí)別的準(zhǔn)確率對于基于對象的領(lǐng)域搜索至關(guān)重要。現(xiàn)有的方法主要集中在利用對象的

5、屬性信息來解決對象識(shí)別的問題,本文對一種新的對象識(shí)別的方法進(jìn)行了研究,即利用本地?cái)?shù)據(jù)集上的實(shí)體關(guān)系的連通性來解決對象識(shí)別。此外,本文還提出了利用無結(jié)構(gòu)化的Web文檔集來輔助本地?cái)?shù)據(jù)集的對象識(shí)別,并通過再DBLP的實(shí)驗(yàn)中看到了準(zhǔn)確率有較大的提高; 3. 基于對象的檢索比一般的網(wǎng)頁檢索提出了更高的檢索精度要求,因此有必要提出高質(zhì)量的Web檢索算法。與網(wǎng)頁中的一般文本不同,錨文本是一種較為客觀的文本,對錨文本相似性的研究與同樣的超鏈

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論