【摘 要】
:
随着互联网迈向Web 2.0时代,博客以极快的速度融入到社会生活中,成为互联网的基础服务之一。博客迅猛发展,博客数量爆炸增长,在为人们带来丰富信息的同时也带来了难以寻找有
论文部分内容阅读
随着互联网迈向Web 2.0时代,博客以极快的速度融入到社会生活中,成为互联网的基础服务之一。博客迅猛发展,博客数量爆炸增长,在为人们带来丰富信息的同时也带来了难以寻找有用信息的烦恼,使博客检索和分类技术的研究价值日渐凸显。本文正是在这种背景下,对博客检索的关键技术展开了研究,主要研究内容包括以下几个方面。第一,本文在归纳分析经典搜索引擎架构模型的基础上,结合博客的特点设计了适合博客检索需求的搜索引擎系统架构。第二,本文讨论包括网页搜集、网页信息抽取、中文分词、索引、检索和用户接口在内的一系列搜索引擎系统主要研究内容,并根据博客特点加以改进、优化。例如:使用博客URL过滤规则对非博客网页和非博客文章网页过滤;利用博客域名多使用虚拟主机技术的特点改进博客域名解析和DNS缓存;根据博客网页结构特点实现高效、准确的博客正文、标题和作者等信息的抽取;针对博客搜索的定位优化中文分词词典,加入计算机、软件、网络、电子术语等IT领域专业词典,还针对博客语言特点增加网络流行新词词典,提高检索的准确率;修改开源全文检索工具包cLucene,使其更好的支持中文处理,完成倒排索引和检索工作。第三,本文提出利用博客标签和正文信息融合的博客文本分类算法。由于博客文本的内容、风格缺乏规范性,加上在领域内分类,分类粒度小,为自动文本分类增加了难度。博客作者通常为文章指定一个或多个标签,标签在很大程度上概括了文章涉及的内容,对博客文本分类有重要的作用。本文根据博客文本标签这一特点,提出了两种标签信息和正文信息融合的博客文本分类算法。实验结果表明,标签信息有效提高了博客文本分类的效果。
其他文献
促销是零售企业经常利用的营销手段之一,如何最大化地发挥促销的效果将对企业的营销工作产生重要的影响。本文将利用因子分析的方法,寻找出在促销环境下影响消费者购买行为的
移动机器人研究是机器人学中的一个重要分支,并且随着机器人技术的不断进步,机器人学科越来越具有强大的生命力,其中的超声传感器和视觉传感器已经被越来越多地应用于移动机
古代埃及人创造的辉煌灿烂的文明与其自然环境有着密切关系。古代埃及是一个典型的以河流(尼罗河)为中心的国家,所以,水利灌溉在古代埃及农业发展中起着重要的作用。古代埃及
发展问题是当今世界的时代主题,对于发展中的中国来说,发展更是硬道理,是党执政兴国的第一要务。关于中国的可持续发展问题,在江泽民的发展理论中占有十分重要的地位。江泽民
<正>六要素教学方式是萝岗区为了提高课堂教学实效性所推行的"知识—能力—情意,互动—主动—能动"的教学方式。前三者是新课程要求的知识、能力、情感态度价值观三维教学目
研究了羊毛织物数码印花的上浆及前处理工艺,通过测定海藻酸钠、亚硫酸氢钠、尿素、硫酸铵、二氧化硫脲、碳酸氢钠及渗透剂等用量对毛织物印花表观深度K/S值的影响,在试验范
远古人类对大自然极度崇拜,在此趋势之下,图腾文化应运而生。图腾是原始部落视为氏族的象征,同时也有“符号”、“标志”的含义,以各种纹饰的形式来表达,是人类历史上最早的,标志着人类开始形成社会组织的文化现象之一。蛇的图腾崇拜在中国古老的民族文化中扮演着神圣的角色,我国原始先民对蛇有着复杂的感情,对蛇纹的应用可以追溯到数千年前,对当时人们的生活习俗以及思想观念具有重要的影响,蛇形纹饰在传统民族服饰的图案
针灸学是中医学的先导学科,承担着沟通中医学和其他自然科学的桥梁作用。随着生命科学技术的飞速发展和知识的几何级增长,传统针灸学也面临着重大的机遇和挑战。在生命科学发
在文化工业的大背景下,探讨电影与时尚的关系,探讨电影是否是目前传播和制造时尚最有效的媒体。本文先分析比较了影视媒体与其余大众传媒的传播特点,认为影视传媒更适合传播
作为中国第一批从事时尚传媒的资深人士,时尚传媒集团副总裁兼《时尚芭莎》杂志出版人苏芒首次提出“让慈善成为时尚”的理念,开创了明星、时尚、慈善、媒体四重影响力的大型慈