学位论文 > 优秀研究生学位论文题录展示

应用于搜索引擎的人物分类系统设计与实现

作　者: 徐锐波
导　师: 刘小峰
学　校: 华中科技大学
专　业: 软件工程
关键词: 命名实体向量空间模型文本相似度 K-Means 自适应聚类
分类号: TP391.3
类　型: 硕士论文
年　份: 2011年
下　载: 10次
引　用: 0次
阅　读: 论文下载

内容摘要

随着互联网技术的高速发展,在逐渐庞大的Web资源库中,愈发难以快速精确的查找有效信息,因此,针对不同的搜索需求,需要采用专用的检索方式和搜索引擎提供个性化服务,以实现高效搜索。通过研究人物搜索引擎的架构和工作流程,本文提出了应用于搜索引擎的人物分类系统,该系统能够实现文本集合的信息抽取与聚类分析,详细阐述了人物分类系统的实现过程,重点研究了系统的关键技术:Web信息抽取技术和文本聚类技术,并通过系统测试证实了系统的实用性与系统关键技术的有效性。Web信息抽取技术旨在自动抽取Web文档中的有效信息。本文提出了针对人物的信息抽取算法,能够抽取Web文档中的高频词汇以及相关人物的重要属性(出生年份、职业、地名和机构名等),并详细阐述了信息抽取算法的设计方法与实现过程。文本聚类技术是文本挖掘技术的核心技术之一,其目标在于划分文本集合成若干个簇,并尽可能实现簇间文本的相似度低,簇内文本相似度高。本文分析了聚类过程中的关键技术:向量空间模型、特征项权重和文本相似度,为后续的聚类算法提供了实现提前。通过分析常规K-Means聚类算法的流程,发现该算法主要不足在于需要人工选取初始簇数,因此,本文阐述了一种簇数K自适应的K-Means算法,能够自动选取簇心,并确定最佳簇数K,避免了簇数选取的盲目性对聚类造成的严重影响,在一定程度上优化了K-Means算法。最后,针对人物分类系统中的关键技术进行了回顾与总结,并阐述了进一步优化关键技术的的相关研究工作。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-12
  1.1 研究背景与意义  9
  1.2 国内外研究现状分析  9-10
  1.3 本论文的主要工作  10
  1.4 论文结构  10-12
2 系统分析  12-17
  2.1 人物搜索引擎架构  12-13
  2.2 目标系统提出  13
  2.3 技术可行性分析  13-14
  2.4 系统业务逻辑模型  14-16
  2.5 本章小节  16-17
3 系统设计  17-22
  3.1 开发模型  17-18
  3.2 系统结构  18-19
  3.3 系统功能  19-20
  3.4 界面设计  20-21
  3.5 本章小节  21-22
4 系统实现  22-42
  4.1 系统关键技术概述  22
  4.2 WEB 信息抽取技术的实现  22-31
  4.3 文本聚类技术的实现  31-41
  4.4 本章小节  41-42
5 系统测试  42-47
  5.1 测试语料  42
  5.2 命名实体识别测试  42-43
  5.3 簇数K 自适应测试  43-44
  5.4 文本聚类测试  44-46
  5.5 本章小结  46-47
6 总结与展望  47-49
  6.1 全文总结  47-48
  6.2 展望  48-49
致谢  49-50
参考文献  50-53

相似论文

基于停用词处理的汉语语音检索方法,TP391.1
基于SVM分类算法的主题爬虫研究,TP391.3
K-means聚类优化算法的研究,TP311.13
基于遗传算法和粗糙集的聚类算法研究,TP18
基于机器视觉的车辆检测和车距测量方法研究,TP274
Web使用挖掘与网页个性化服务推荐研究,TP311.13
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
面向汽车行业的主题爬虫研究与实现,TP391.3
面向短消息文本的聚类技术研究与应用,TP391.1
英文文本中命名实体识别及关系抽取技术研究,TP391.1
基于树型条件随场的特定域事件提取方法研究,TP391.1
C电信公司中高端移动用户套餐适配研究,F626
网络教育新闻文本分类系统的设计与实现,TP391.1
面向论坛信息文本的有效数据抽取研究,TP391.1
基于Web的社会网络搜索中人名同一性判断方法研究,TP393.09
K-means算法在网店代购点选择中的应用研究,F224
基于本体的医学命名实体识别技术研究,TP391.1
基于CRF的命名实体和关系的联合抽取,TP391.4
网络环境下人才知识结构智能交互生成方法研究,TP391.6
高校图书馆管理系统的个性化服务的设计与实现,TP311.52