论文部分内容阅读
设计并实现了一个基于相似聚类算法的垂直搜索引擎。利用网络爬虫NWebCrawler，通过定制正则表达式，高效爬取所需的URL；通过解析爬取的URL信息，提取结构化数据；利用正向最大匹配算法，对搜索关键字分词；利用向量空间模型，根据相似度值对搜索结果聚类；基于Lucene建立索引，检索所需信息。实验结果表明，基于相似聚类算法的垂直搜索引擎，比通用搜索引擎的准确率和召回率高，与普通的垂直搜索引擎相比，具备了相似产品查询功能。