随着互联网技术的迅速发展,网上文本数量成指数级的数目增长,如何有效检索这些海量信息成为当前研究的重要课题。文本信息检索(Information Retrieval,IR)是指从大量文档集合中找到与给定的查询请求相关的、恰当数目的文档子集。文本信息检索是处理海量文本的重要手段。该文主要是基于Web的文本信息检索算法的研究。 首先,介绍了信息检索的发展概况和相关技术,分析了基于内容的信息检索算法、基于超链分析的检索算法以及融合的信息检索算法。针对内容检索方法查全率不高、超链分析检索方法容易产生主题漂移的特点,利用了一种基于超链和标记文本内容的信息检索算法。该算法利用网页之间的链接关系和标记文本内容信息来计算网页的综合权值,在此基础上将检索结果进行排序输出。实验结果表明,该计算方法具有较高的查全率和查准率。 其次,为了提高检索的查准率和降低检索时间,在传统向量空间模型的基础上,该文对传统的向量空间模型进行改进来计算网页内容信息之间的相似度,同时在进行建立索引时,文中还利用了网页去噪技术和算法,去除一些和主题信息无关或无用的信息,提高了建立索引的效率、质量和检索的速度,大大减少了存储空间。利用改进的向量空间模型算法进行相似度计算,也避免了向量空间模型算法中时间复杂度过大,查准率不高的缺点。实验结果也表明,此算法具有更快的查询速度和更高的查准率。 最后,该文在传统信息检索算法的基础上,利用所改进算法,实现了一个基于Web的文本信息检索系统。