学位论文 > 优秀研究生学位论文题录展示

基于Web的内容挖掘技术研究

作　者: 刘洋
导　师: 张健沛
学　校: 哈尔滨工程大学
专　业: 计算机应用技术
关键词: Web内容挖掘聚类搜索引擎 PAT-Tree
分类号: TP393.09
类　型: 硕士论文
年　份: 2003年
下　载: 279次
引　用: 8次
阅　读: 论文下载

内容摘要

随着Web文档数量的剧增，搜索引擎也暴露了许多问题。对于一般的查询返回的结果很多，其中很多是无用或无关的结果，为了找到想要的结果，用户不得不在搜索引擎返回的大量文档摘要列表中查找。本文将Web内容挖掘技术应用于搜索引擎领域，它依赖于搜索引擎结果所提供的信息来归纳出聚类，使得在搜索引擎返回的非常大的文档列表中的过滤操作变得十分方便。PAT-tree是广泛用于中文关键字抽取和句子分割等领域的一种数据结构。本文将PAT-tree应用于搜索引擎结果聚类领域，并在修改的PAT-tree基础上提出了一个新的中文搜索引擎结果聚类算法。实验结果证明我们的算法是可行的，并且能够满足我们给出的搜索引擎结果聚类技术的几个重要指标。

全文目录

第1章绪论  9-14
  1.1 研究课题的来源、目的和意义  9-10
  1.2 Web挖掘的问题与挑战  10-11
  1.3 搜索引擎面对的挑战  11
  1.4 Web挖掘与搜索引擎的关系  11-12
  1.5 论文组织  12-14
第2章 Web挖掘与Web信息检索  14-26
  2.1 Web挖掘(Web mining)  14-17
    2.1.1 Web挖掘的定义  14-15
    2.1.2 Web挖掘的分类  15-17
  2.2 Web信息检索(Web Information Retrieval)  17-24
    2.2.1 Web信息检索定义  17
    2.2.2 搜索引擎检索技术研究现状  17-19
    2.2.3 中文搜索引擎检索技术存在问题分析  19-20
    2.2.4 目前搜索引擎所使用的关键技术  20-24
  2.3 Web挖掘与Web信息检索  24-25
  2.4 本章小结  25-26
第3章关键词抽取  26-37
  3.1 关键词抽取概念  26-28
    3.1.1 汉字编码体系  26-27
    3.1.2 汉语词的特点  27
    3.1.3 关键词自动抽取存在的问题  27-28
  3.2 关键词抽取方法分类  28-30
    3.2.1 字典的方法(Dictionary approach)  29
    3.2.2 语言的方法(Linguistic approach)  29
    3.2.3 统计的方法(Statistical approach)  29-30
  3.3 基于PAT-tree的关键词抽取方法  30-36
    3.3.1 算法综述  31-32
    3.3.2 PAT-tree  32-33
    3.3.3 重要词汇模式评价方法  33-34
    3.3.4 基于PAT-tree的过滤算法  34-36
  3.4 本章小结  36-37
第4章聚类分析  37-49
  4.1 聚类的概念  37
  4.2 主要聚类方法的分类  37-42
    4.2.1 划分聚类算法(partitioning method)  37-40
    4.2.2 层次聚类算法(hierarchical method)  40-42
  4.3 搜索引擎结果聚类  42-48
    4.3.1 搜索引擎结果聚类概念  42-43
    4.3.2 搜索引擎结果聚类方面的相关研究工作  43-48
  4.4 本章小结  48-49
第5章基于PAT-tree的中文搜索引擎结果聚类  49-62
  5.1 PAT-tree介绍  49-53
    5.1.1 半无限长字串  49-50
    5.1.2 PAT-tree定义  50-51
    5.1.3 PAT-tree算法  51-53
  5.2 基于修改的PAT-tree的中文搜索引擎结果聚类算法  53-58
    5.2.1 修改的中文PAT-tree  53-54
    5.2.2 基于PAT-tree的聚类算法  54-58
  5.3 系统设计及实现  58-60
    5.3.1 系统的体系结构  58
    5.3.2 系统各部分的实现  58-60
  5.4 算法分析  60-61
    5.4.1 主要评价指标  60
    5.4.2 实验结果  60-61
  5.5 本章小结  61-62
结论  62-64
参考文献  64-67
攻读硕士学位期间发表的论文和取得的科研成果  67-68
致谢  68

基于Web的内容挖掘技术研究

内容摘要

全文目录

相似论文