基于網(wǎng)頁自動分類的搜索引擎研究.pdf

1、本文討論了搜索引擎的組成及工作原理，針對目前搜索引擎不能適應(yīng)多粒度查詢要求及查詢準(zhǔn)確率較低的現(xiàn)狀，提出了一種基于網(wǎng)頁自動分類的搜索引擎設(shè)計方案，針對網(wǎng)頁自動分類、網(wǎng)頁排序系統(tǒng)、適應(yīng)用戶不同的查詢粒度要求幾方面進(jìn)行了討論。 網(wǎng)頁是一種超文本文檔，其中含有文本信息和很多超文本標(biāo)記等結(jié)構(gòu)信息。本文設(shè)計了一種綜合利用網(wǎng)頁文本信息和結(jié)構(gòu)信息進(jìn)行分類的網(wǎng)頁分類器，作為搜索引擎中網(wǎng)頁分類的模塊。這種分類器的算法既考慮了分類的準(zhǔn)確性又兼顧了運(yùn)算

2、效率。 如何把最有價值的信息顯示在搜索結(jié)果的前列的網(wǎng)頁排序算法是搜索引擎研究的重要方面。為了適應(yīng)用戶不同的查詢粒度要求，本文改進(jìn)了PageRank算法的計算方法，通過建立一個對所有網(wǎng)頁的分類框架，在不同的分類中分別計算對類別偏置的PageRank值，使查詢可以在不同大小的類別中進(jìn)行，并使結(jié)果在類別內(nèi)排序，最后對結(jié)果根據(jù)用戶指定的查詢粒度進(jìn)行處理和顯示。 最后，本文提出搜索引擎的返回結(jié)果應(yīng)該去除內(nèi)容重復(fù)網(wǎng)頁，即通過對比，把