Wed信息檢索中若干問題的研究與實現.pdf

1、本文就是通過介紹自然語言處理和信息檢索的研究發(fā)展歷史、現狀和趨勢，分析了對Web信息檢索中若干問題研究的必要性，并較為全面地論述了并發(fā)環(huán)境下文本檢索的理論和方法以及聚類方法在文本檢索結果瀏覽方面的應用用問題。首先，通過對信息檢索、現狀、傳統的一些基本知識以及傳統的文本檢索算法的介紹，分析了Internet的發(fā)展對文本檢索結構及算法提出的挑戰(zhàn)。其次，討論了一個分布的檢索系統體系結構DIRS，它采用基于Web的三層結構，使用分布協作的檢索服

2、務器支持文本信息的檢索，這種體系結構具有良好的可擴展性和穩(wěn)定性，并且響應速度快，為提高信息檢索系統智能化水水平和檢索質量奠定了了基礎。然后，針對文本檢索的幾個重要方面——索引存儲模式、文本檢索算法、結果合并策略，進行深入研究。采用基于哈希表的存儲結構、基于短語位置評價的擴展布爾算法、基于最短片斷算法的索引結構，并分別給出相應的實現模型和算法。提高了檢索的處理速度、系統消耗，檢索結果的準確度和系統的靈活性。最后，分析了現有文本聚類方法的優(yōu)

3、勢和不足，討論了使用后樹算法的中文HTML文檔自動聚類方法。彩標識最大聚類分詞，評價及判別不同聚類分詞的相關度等方法，將檢索結果按照文檔具用最大相同短語的相關性進稈分類，為提高用戶信息檢索的效率，快速定位查詢文檔打下了堅實的理論基礎，并通過對各種情況下算法性能進行的測試，表明了使用后綴樹算法的中文HTML文檔自動聚類方法的實用性。目前，我們已經建立了一個基于Web的大規(guī)模中文信息檢索系統，由該系統的運行狀況及對其所作的測試評估可觀察到，