全國搜索引擎與網(wǎng)上信息學(xué)術(shù)研討會sewm2006---中文web-資料下載頁
2025-08-23 12:49本頁面
【導(dǎo)讀】木棉搜索引擎現(xiàn)狀。對URL、Title、Anchor、Content進(jìn)行索引；基于集群系統(tǒng)的并行化搜索引擎。綜合采用多種去噪算法，將3700萬網(wǎng)頁分成70個part進(jìn)行處理。用完整的WebDB更新每一個part的數(shù)據(jù)。–搜索相關(guān)主題的文章，主要查找入口頁面。用擴(kuò)展后的查詢詞搜索，每個查詢詞均返回300條結(jié)果；對這200條結(jié)果進(jìn)行站內(nèi)聚合，并將每個網(wǎng)站內(nèi)的ROOT、SUBROOT、url深度小于3的PATH的url提前；對所有被提前的網(wǎng)頁按照得分排序，并盡量保證前十條出現(xiàn)不。這一步驟主要是查詢優(yōu)化時使用；在要求不高的情況下，迭代計算5次即可?？梢苑从尘W(wǎng)頁的重要程度。對網(wǎng)頁各組成部分進(jìn)行索引并賦予不同的權(quán)重可。以提高檢索精度；NPHP查詢結(jié)果好；TD查詢在一些情況下不能很。人工標(biāo)記和二次排序?qū)μ岣邫z索準(zhǔn)確率有很大的。查詢響應(yīng)時間相對較長。TD查詢時，采用合理的輔助機(jī)制，比如擴(kuò)展查詢，分類目錄等，將用戶引導(dǎo)到較好的結(jié)果頁面；自動判斷TD，NP，HP查詢詞，根據(jù)不同性質(zhì)的
【正文】 PR 二次排序 RUN1 √ √ 標(biāo)準(zhǔn) √ RUN2 √ 標(biāo)準(zhǔn) √ RUN3 √ 標(biāo)準(zhǔn) √ RUN4 √ 簡單 √ RUN5 √ √ 簡單 √ 19 結(jié)果提交 ? CWT20g—NPHP 序號 中文分詞 擴(kuò)展查詢 PR 二次排序 RUN1 √ √ 標(biāo)準(zhǔn) √ RUN2 √ 標(biāo)準(zhǔn) √ RUN3 √ √ 標(biāo)準(zhǔn) RUN4 √ 標(biāo)準(zhǔn) √ RUN5 標(biāo)準(zhǔn) √ 20 目錄 ? 木棉搜索引擎現(xiàn)狀 ? 數(shù)據(jù)格式轉(zhuǎn)換 ? 關(guān)鍵技術(shù)介紹 ? 結(jié)果提交 ? 分析與展望 21 分析與展望 ? 對網(wǎng)頁各組成部分進(jìn)行索引并賦予不同的權(quán)重可以提高檢索精度； ? NPHP查詢結(jié)果好； TD查詢在一些情況下不能很好的將用戶引導(dǎo)到最有價值的頁面； ? 人工標(biāo)記和二次排序?qū)μ岣邫z索準(zhǔn)確率有很大的幫助； ? 查詢響應(yīng)時間相對較長（平均 2~3s）。 22 分析與展望 ? TD查詢時，采用合理的輔助機(jī)制，比如擴(kuò)展查詢，分類目錄等，將用戶引導(dǎo)到較好的結(jié)果頁面； ? 自動判斷 TD， NP， HP查詢詞，根據(jù)不同性質(zhì)的查詢詞返回相應(yīng)的結(jié)果； ? 提高檢索速度。 謝謝大家！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1