【導(dǎo)讀】我們仔細(xì)閱讀了第七屆華中地區(qū)大學(xué)生數(shù)學(xué)建模邀請(qǐng)賽的競(jìng)賽細(xì)則。與隊(duì)外的任何人研究、討論與賽題有關(guān)的問題。網(wǎng)上查到的資料），必須按照規(guī)定的參考文獻(xiàn)的表述方式在正文引用處和參考文獻(xiàn)中明確列出。我們鄭重承諾，嚴(yán)格遵守競(jìng)賽規(guī)則，以保證競(jìng)賽的公正、公平性。如有違反競(jìng)賽規(guī)則的行為，我們將受到嚴(yán)肅處理。行比較，相關(guān)系數(shù)為，說明所建立的優(yōu)劣比較模型準(zhǔn)確度較高。示給用戶；⑤Matlab編程鏈接到數(shù)據(jù)庫并檢測(cè)鏈接是否正常。信息的查全率和查準(zhǔn)率是準(zhǔn)確可靠、能夠滿足用戶期望的。進(jìn)行一般性推廣。等成語；如果是中文人名搜索引擎，那么輸入“張”時(shí)，可搜索出“張三豐”等人名；各指標(biāo)對(duì)引擎優(yōu)劣評(píng)價(jià)的影響程度。兩者都具有較大的片面性，前者查全率高但查準(zhǔn)率較低，后者查準(zhǔn)率高但查全率較低。又具有Dieroctr信息準(zhǔn)確的特點(diǎn),這就是面向主題的中文人名搜索引擎。建立完成后，輸入不同的中文姓氏，對(duì)所設(shè)計(jì)的中文人名搜索引擎進(jìn)行驗(yàn)證。

　　

【正文】 信息提取、文本分類以及文本聚類等先進(jìn)應(yīng)用技術(shù)，多維數(shù)據(jù)方體能提供一系列使用方便的數(shù)據(jù)抽取和數(shù)據(jù)轉(zhuǎn)換工具，具有較高的精確性與可行性。 此類方法可推廣到其他的模型建立與設(shè)計(jì)中，以提供一系列使用方便的數(shù)據(jù)抽取和數(shù)據(jù)轉(zhuǎn)換工具 ,使得本來困難的工作簡(jiǎn)化 ,可行性增強(qiáng)。 對(duì)于模型 II 的推廣 模型 II 所設(shè)計(jì)的中文人名搜索引擎主題鮮明、目的單一，可以分析、重組數(shù)據(jù)，同時(shí)可以根據(jù)分析型數(shù)據(jù)的特點(diǎn)采用層次化的樹形結(jié)構(gòu)顯示結(jié)果，具有較大優(yōu)越性。另外，通過實(shí)驗(yàn)證實(shí) ,本文所提出的基于多維數(shù)據(jù)的存儲(chǔ)方案是切實(shí)可行的，基于語句 詞條矩陣的聚類算法是穩(wěn)定可靠的，中文人名搜索引擎對(duì)人物信息的查全率和查準(zhǔn)率是能夠滿足用戶期望的。 因此，可將本搜索引擎的設(shè)計(jì)方案推廣到其他種類引擎的設(shè)計(jì)中，例如成語搜索引擎、歌曲搜索引擎等。 18 七、模型的評(píng)價(jià)與改進(jìn) 模型的評(píng)價(jià) 模型的優(yōu)點(diǎn) 對(duì)于問題（ 1），一方面， 我們所建立的 評(píng)價(jià) 模型 I 適應(yīng)于很多 有關(guān)優(yōu)劣程度的問題的分析與計(jì)算比較 ，且模型 I 易于理解和應(yīng)用 。同時(shí)，模型 I 中 所運(yùn)用的層次分析法較好地結(jié)合了定性與定量?jī)煞N研究方式 。 首先，定性建立層次結(jié)構(gòu)，然后根據(jù)參考資料[4][5]定量構(gòu)造判斷矩陣，通過將每一列歸一化、按行相加再歸一來計(jì)算對(duì)上層指標(biāo)的權(quán)重 ，最后構(gòu)造評(píng)價(jià)模型 I，較精確地計(jì)算出了五個(gè)指標(biāo)的權(quán)重以及七種搜索引擎的綜合優(yōu)劣得分。另一方面，運(yùn)用 Matlab 中的相關(guān)性分析功能將模型 I的排名結(jié)果與 [1]進(jìn)行相關(guān)性分析，得到相關(guān)系數(shù) ，表明評(píng)價(jià)模型 I的建立比較準(zhǔn)確合理。 對(duì)于問題（ 2），一方面，設(shè)計(jì)中采取了多維數(shù)據(jù)、信息提取、文本分類以及文本聚類等先 進(jìn)應(yīng)用技術(shù)，多維數(shù)據(jù)方體能提供一系列使用方便的數(shù)據(jù)抽取和數(shù)據(jù)轉(zhuǎn)換工具 ,使得本來困難的工作簡(jiǎn)化 ,可行性增強(qiáng)。另一方面，模型 II 所設(shè)計(jì)的中文人名搜索引擎主題鮮明、目的單一，可以分析、重組數(shù)據(jù)，同時(shí)可以根據(jù)分析型數(shù)據(jù)的特點(diǎn)采用層次化的樹形結(jié)構(gòu)顯示結(jié)果，具有較大優(yōu)越性。另外，通過實(shí)驗(yàn)證實(shí) ,本文所提出的基于多維數(shù)據(jù)的存儲(chǔ)方案是切實(shí)可行的，基于語句 詞條矩陣的聚類算法是穩(wěn)定可靠的，中文人名搜索引擎對(duì)人物信息的查全率和查準(zhǔn)率是能夠滿足用戶期望的。 模型的缺點(diǎn) （ 1） 題目中沒有給定原始數(shù)據(jù)，一切數(shù)據(jù)均通過查找得到， 勢(shì)必 存在一定 數(shù)據(jù) 誤差與主觀傾向 。 例如在模型 I 中 對(duì)于 七種搜索引擎、五個(gè)評(píng)價(jià)指標(biāo)的選取，雖然參考了所查資料 ， 但仍 存在一定的片面性。 在模型 II 中， 由于本文的聚類算法還存在一定的局限 ,特別是對(duì)文檔中心的選取、長(zhǎng)句的分割以及語句 詞條矩陣過大都可能影響聚類的準(zhǔn)確性。 （ 2） 由于數(shù)據(jù)來源的限制，很多定量分析與現(xiàn) 實(shí)生活中的實(shí)例數(shù)據(jù) 存在 一定差距。例如，在模型 I中，對(duì)于七種搜索引擎的各個(gè)評(píng)價(jià)指標(biāo)的賦分存在一定的理想化與靈活性。 （ 3）本文中模型的建立是在多條比較理想化的 假設(shè)條件 的約束 下 進(jìn)行的，沒有考慮現(xiàn)實(shí) 中存在 的 其他影響 因素， 因此， 模型的建立與計(jì)算 在 合理性 、現(xiàn)實(shí)性與典型性方面尚存在一定不足。 模型的改進(jìn) 由于我們?cè)诮⒛Ｐ蜁r(shí) 面臨數(shù)據(jù)資源以及知識(shí)儲(chǔ)備 限制，并且是 在多條比較理想化的 假設(shè)條件下 進(jìn)行的， 因此如果 在模型中添加一些 現(xiàn)實(shí) 中存在 的 其他影響 因素的話，模型的建立與計(jì)算更具合理性 、現(xiàn)實(shí)性與一般性。 因此，為了對(duì)本文模型進(jìn)行改進(jìn)， 考慮查找更多數(shù)據(jù) ，選取 更多 的搜索引擎和評(píng)價(jià)指標(biāo) ，使結(jié)果更具可靠性 和參考價(jià)值 。 19 模型 I 的改進(jìn)方案 在模型 I的建立過程中， 本文 忽略了 不同的搜索引擎所面臨的政策環(huán)境以及其他評(píng)價(jià)指標(biāo)的差異，因此模型 I的改 進(jìn)方案如下： ? ? ? ? 7,2,1,51?????? ??iijj iji mYQGYQ ? 其中 ?i 代表除了本文所選的五個(gè)評(píng)價(jià)指標(biāo)之外的其他指標(biāo)對(duì)于引擎優(yōu)劣的綜合影響隨機(jī)干擾項(xiàng)， 使 得 模型更 加具有現(xiàn)實(shí)意義與參考價(jià)值 。 模型 II 的改進(jìn)方案 在模型 II的建立過程中，由于本文的聚類算法還存在一定的局限 ,特別是對(duì)文檔中心的選取、長(zhǎng)句的分割以及語句 詞條矩陣過大都可能影響聚類的準(zhǔn)確性。因此 ,可以針對(duì)以上不足進(jìn)一步展開研究工作 ,以便提高 聚類的準(zhǔn)確性 ,提供更加可靠的層次化聚類結(jié)果。 另外，可以通過分析多維數(shù)據(jù)模型來發(fā)現(xiàn)更合理的屬性特征 ,通過挖掘數(shù)據(jù)集可以構(gòu)建關(guān)于人名的更精簡(jiǎn)、更有效的主題數(shù)據(jù)集。 八、 參考文獻(xiàn) [1] 搜索引擎網(wǎng)站排行榜： [2] 搜索引擎 —— 維基百科： [3] 搜索引擎 —— 百度百科： [4] [5] 郭超，百度谷歌雅虎三大搜索引擎本土功能大 PK， 20xx 年 5月 2日； [6] 陶躍華 ,孫茂松 ,王錫鋼，因特網(wǎng)搜索引擎評(píng)價(jià)系統(tǒng)，計(jì)算機(jī)工程與科學(xué)， 20xx 年第23 卷第 3期： 2531， 20xx 年； [7] 孫斌，信息提取技術(shù)概述，自然語言處理， 20xx,2(l):34； [8] 李建偉 ,李蘇華搜索引擎的發(fā)展探述〔 j〕，嘉應(yīng)學(xué)院學(xué)報(bào) (自然科學(xué) ),20xx:7071； [9] 件格娟， Inter 搜索引擎概述及其未來發(fā)展， 情報(bào)檢索， 20xx(9):3940； [10] 孫輝，中文人名搜索引擎的設(shè)計(jì)與實(shí)現(xiàn)，蘭州大學(xué)出版社， 20xx 年。 20 九、 附錄 七 種搜索引擎的得分及排名情況 兩項(xiàng)排名的 Matlab 相關(guān)性分析程序 A=[2 1 5 4 3]。B=[1 2 5 12 3]。 corrcoef(A,B) ans = 指標(biāo)（權(quán)重） 搜索引擎 百度 搜狗 谷歌中國(guó) 360 搜索 中國(guó)雅虎 搜搜 愛問 指標(biāo)一 () 查準(zhǔn)率 30 70 70 50 90 50 50 指標(biāo) 二 () 檢索能力 70 50 90 50 50 30 30 指標(biāo)三 () 訪問速度 1383ms / 59分 975ms / 76分 675ms / 88分 800ms / 83分 2411ms / 30 分 1364ms / 60 分 1377ms / 60 分 單位統(tǒng)一化（ ms/分） 得分 50 30 10 10 90 50 50 指標(biāo) 四 () 查全率 90 70 50 70 30 70 50 指標(biāo) 五 () 反向鏈接數(shù) （個(gè)） 226284 20655 25767 5575 11554 17207 117236 得分 90 50 50 10 30 30 90 總得分 排名 2 1 5 4 6 3 7 21 所建立的數(shù)據(jù)庫 Matlab 鏈接到數(shù)據(jù)庫并檢測(cè)鏈接是否正常 sourceName=input(39。Enter the source Name:39。,39。s39。)。 Enter the source Name:\中文人名數(shù)據(jù)庫 Timeout=logintimeout(10000)。 conn=database(sourceName,39。sa39。,39。12339。)。 ping(conn) ans = DatabaseProductName: 39。ACCESS39。 DatabaseProductVersion: 39。39。 JDBCDriverName: 39。JDBCODBC Bridge ()39。 JDBCDriverVersion: 39。 (Microsoft Access database engine)39。 MaxDatabaseConnections: 64 CurrentUserName: 39。admin39。 DatabaseURL: 39。jdbc:odbc:\中文人名數(shù)據(jù)庫 39。 AutoCommitTransactions: 39。True39。