基于領(lǐng)域本體的中文財經(jīng)Blog搜索引擎的設(shè)計與實現(xiàn).pdf

1、隨著博客(Blog)的迅猛發(fā)展，Blog網(wǎng)頁數(shù)量成幾何級數(shù)增長,如何在海量的Blog頁面中找到自己感興趣的Blog網(wǎng)頁顯得尤為重要。于是針對Blog頁面的專業(yè)搜索引擎(Blog搜索引擎)誕生了。本文主要就是針對基于本體的財經(jīng)Blog搜索引擎展開研究。
　　經(jīng)過研究發(fā)現(xiàn),Blog搜索引擎存在一些不足之處可以歸納到三個方面:一是Blog網(wǎng)頁相似度計算,不能支持文檔級別查詢。其原因是現(xiàn)有的Blog搜索引擎沒有有效的計算Blog網(wǎng)頁相似的

2、方法;二是搜索結(jié)果不能滿足用戶的查詢意圖,其原因是相似是否為語義相似或者相似值不準(zhǔn)確;三是檢索結(jié)果排序方面,如何讓內(nèi)容相關(guān)的結(jié)果排在前,這與檢索結(jié)果的排序算法相關(guān)。
　　本文針對這些不足之處進行了深入研究,并歸納到以下二方面:
　　1.針對Blog網(wǎng)頁相似度計算方面,本文在現(xiàn)有的Blog網(wǎng)頁相似計算方法的研究基礎(chǔ)上提出了基于本體的財經(jīng)Blog網(wǎng)頁相似計算方法(CSFBO方法)。該方法提出了財經(jīng)字詞表示Blog網(wǎng)頁信息,把Bl

3、og網(wǎng)頁相似計算轉(zhuǎn)化成財經(jīng)字詞間的相似計算。這樣字詞提取的好壞尤為重要。在傳統(tǒng)的TF*IDF算法的基礎(chǔ)上,根據(jù)Blog網(wǎng)頁的特點對網(wǎng)頁不同部分賦予不同的權(quán)值,從而改進了財經(jīng)字詞的提取算法,提高了相似計算的精確度。
　　2.針對Blog搜索結(jié)果排序方面,本文分析了BlogRank算法和B2Rank算法,結(jié)合了財經(jīng)Blog的特點,根據(jù)財經(jīng)Blog排序算法的影響因子和對現(xiàn)有的排序算法的不足之處,提出了針對財經(jīng)領(lǐng)域的Blog搜索結(jié)果排序算