華南木棉信息檢索-資料下載頁
2024-10-11 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(gè)更大的切合主題站點(diǎn)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(gè)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(jì)算該網(wǎng)頁的鏈出網(wǎng)頁與查詢?cè)~的匹配程度。所以對(duì)查詢?cè)~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(duì)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(píng)測結(jié)果 HP/NP 去噪 GPR/SPR 分詞 調(diào)整查詢?cè)~ 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(diǎn)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(duì)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(jì)算網(wǎng)頁的重要性采用 PR(site)+PR(page) 進(jìn)一步挖掘錨點(diǎn)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(hào)-1