華南木棉信息檢索-資料下載頁
2025-10-02 21:11本頁面
【導(dǎo)讀】查找主題相關(guān)的關(guān)鍵資源的入口。HP查找指定名字的網(wǎng)站的首頁。1)是否大部分切合主題；2)提供主題的可靠的信息；3)不是一個更大的切合主題站點的一部分。用戶所要查找的可能。綜合采用多種去噪算法，判斷每個網(wǎng)頁類型---目錄型還是主題型。匹配程度越高，說明該網(wǎng)頁越可。計算該網(wǎng)頁的鏈出網(wǎng)頁與查詢詞的匹配程度。所以對查詢詞進(jìn)行標(biāo)記，用H表示該查詢?yōu)椴檎襀P，pagerank和近似的pagerank效果相差不大。中文分詞的粒度對檢索精度有比較大的影響。加入中文分詞可以大大減少返回不相關(guān)的文檔，
【正文】 RUN_4 有 GPR 最大分詞 簡單站內(nèi)聚合 RUN_5 沒有 SPR 最小分詞 簡單站內(nèi)聚合 14 評測結(jié)果 HP/NP 去噪 GPR/SPR 分詞 調(diào)整查詢詞 RUN_1(3) 沒有 SPR 沒有 加 H/N RUN_2(1) 沒有 SPR 沒有 加 H/N,手工分詞 RUN_3(2) 沒有 SPR 最小分詞 加 H/N RUN_4 沒有 SPR 最大分詞 加 H/N RUN_5 有 GPR 最小分詞 加 H/N 15 總結(jié) 錨點文本可以很好地表示文檔內(nèi)容，應(yīng)加大其比重。 pagerank能夠確定首頁等重要頁面，且精確的pagerank和近似的 pagerank效果相差不大。 中文分詞的粒度對檢索精度有比較大的影響。加入中文分詞可以大大減少返回不相關(guān)的文檔，提高檢索速度。 16 未來的工作 計算網(wǎng)頁的重要性采用 PR(site)+PR(page) 進(jìn)一步挖掘錨點文本 進(jìn)一步優(yōu)化 HAC算法 謝謝大家！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1