基于文本過濾的校友信息搜索系統(tǒng)實(shí)現(xiàn).pdf

1、Internet的飛速發(fā)展使其成為日益重要和最具潛力的資源。然而，在信息極大豐富的同時(shí)，用戶也面臨著信息過載和資源迷向的問題。雖然搜索引擎可以為用戶提供一定程度的幫助，但是對(duì)于某些特定搜索任務(wù)而言，搜索引擎的能力仍顯不足。例如，在許多情況下，學(xué)校方面需要搜集其校友的相關(guān)信息，如校慶活動(dòng)發(fā)放請(qǐng)柬，需要知道校友目前的工作單位，在社會(huì)上的活動(dòng)情況以便尋求對(duì)母校的捐贈(zèng)等。但是，學(xué)校一般只有畢業(yè)校友的相關(guān)名單和當(dāng)時(shí)的就業(yè)單位，無法了解每一名畢業(yè)校

2、友在社會(huì)上的活動(dòng)情況。另一方面，當(dāng)今的Internet擁有海量的信息，其中不乏某些校友的資料，或是簡(jiǎn)歷，或是活動(dòng)報(bào)道等。雖然人們可以通過搜索引擎來實(shí)現(xiàn)校友信息的搜索，但是搜索引擎返回的結(jié)果集十分龐大，而且其中包括許多雜亂、未經(jīng)認(rèn)可的網(wǎng)頁(yè)，甄別每一條結(jié)果的正誤需要巨大的工作量。因此，實(shí)現(xiàn)一個(gè)自動(dòng)地、全面地、準(zhǔn)確地從Internet上進(jìn)行特定任務(wù)搜索——如校友信息搜索的系統(tǒng)是非常實(shí)用的。 本文研究了基于文本過濾和文本分類技術(shù)的校友信

3、息搜索方法。通過較為深入地分析校友信息搜索的特點(diǎn)與難點(diǎn)，本文在兩次分類方法的基礎(chǔ)上設(shè)計(jì)了一個(gè)基于Internet的校友信息搜索系統(tǒng)。主要的研究和結(jié)果如下： 1.描述了校友信息在Internet上分布的稀疏性特點(diǎn)，以及所導(dǎo)致的學(xué)習(xí)算法的泛化能力問題和維災(zāi)難問題； 2.使用兩次分類方法對(duì)校友信息進(jìn)行過濾，兩次分類分別提高結(jié)果的召回率和準(zhǔn)確率，克服了稀疏樣本帶來的問題； 3.使用啟發(fā)式規(guī)則對(duì)搜索結(jié)果中的校友姓名進(jìn)行識(shí)別