主題Web動態(tài)信息推薦技術研究.pdf

1、隨著Web信息的指數(shù)級增長，如何快速、準確地從海量的互聯(lián)網(wǎng)信息資源中獲取所需信息已經(jīng)成為困擾人們的一大難題。 論文研究主題Web動態(tài)信息推薦技術，即針對專業(yè)的信息搜集部門長期實時收集互聯(lián)網(wǎng)某一領域或某一學科動態(tài)信息的實際需求狀況，提出跟蹤用戶瀏覽記錄，主動推薦主題信息的主動式信息服務設計方案，并探討相關技術及實現(xiàn)方法，建立一個智能化、專業(yè)化、小型化的人—機互動式搜索引擎，并通過理論分析和實驗結果證明了系統(tǒng)性能的優(yōu)越性。圍繞主題W

2、eb動態(tài)信息推薦系統(tǒng)設計，論文的主要工作包括以下幾個方面： (1)中文Web新聞頁面正文的精確抽取。在分析html語法結構及國內外知名中文新聞門戶網(wǎng)站的頁面特征的基礎上，提出規(guī)則與統(tǒng)計相結合的中文新聞頁面正文抽取方法。論文在對新聞頁面進行嚴格界定之后，制定了一系列提取規(guī)則，詳細闡述了正文抽取方法，并以國內外知名新聞門戶網(wǎng)站隨機抽取的大量頁面為實驗數(shù)據(jù)驗證了方法的優(yōu)越性。 (2)基于三字哈希索引的漢語分詞。通過對PFR語料

3、的分析，總結漢語構詞特點，得出三字索引具有最好的分詞效率；通過字串三態(tài)標記的方式，解決了索引深度的問題，提出并實現(xiàn)三字哈希索引的漢語分詞詞典機制，并從理論和實驗兩方面證明了方法的優(yōu)越性。 (3)基于分類評估的未登陸詞識別。在分析借鑒現(xiàn)有未登陸詞識別方法的基礎上，提出并設計了基于分類效果評估的未登陸詞識別算法。該算法先采用傳統(tǒng)的統(tǒng)計方法查找固定字串，然后采用機器學習方法，評估字串對類別的表現(xiàn)特征，依此抽取包含高類別特征信息的未登陸