搜索引擎设计分析与结果聚类改进 .pdf文档全文免费阅读、在线看

  本文关键词：搜索引擎设计分析与结果聚类改进，，由笔耕文化传播整理发布。

分类号 密级 uDc注! 学 位 论 文 搜索引擎设计分析与结果聚类改进 题名和副题名 董祥千 作者姓名 指导教师姓名 左志宏 苗啦数授 电壬科撞太堂 送鳌 职务、职称、学位、单位名称及地址 申请专业学位级别硕士专业名称 计算机软件与理论 2006．12 论文提交日期 论文答辩日期 2007．1 学位授予单位和日期 电壬抖技太堂 答辩委员会主席 要壅丝． 评阅人碑熬 i尊芝品 2006年，乒月驴日 注1：注明《国际十进分类法uDC》的类号。 摘要 摘要 搜索引擎是获取信息的有效工具，设计与实现搜索引擎是一项庞大的工程， 要运用较多专业技术知识。本文力图通过实例分析，介绍搜索引擎的设计、实现、 搜索结果聚类及其它与搜索引擎紧密相关的知识。 文中指出了搜索引擎在提取摘要信息上存在的不足：仅选取关键词临近区域 的语词并不具语义特征，为此提出了以文本的语义特征词来替换摘要信息。文中 同时对语义特征词的提取进行了理论分析，并实现了部分功能。 本文利用后缀数组来提取文档的语义特征词，因此对后缀数组的结构作了详 细的阐述，提出以完全子串来表示文档的语义特征。文中实现了后缀数组的构造， 左、右完全子串及完全子串的提取。 本文还对搜索引擎的聚类过程、以及常用的聚类算法进行了比较，并对基于 奇异值分解的文本聚类算法一Lingo作了详细分析。修改了Nutch的体系结构以实 现搜索结果的聚类。最后以我校内网作为爬行目标，给出了实验结果及其评价。 关键词：搜索引擎，特征词提取，文本聚类，Lucene，Nutch Ⅱ Abstract Abstract withthe ofinformationon to Along growth Web．It’s toobtainbuthard rapid easy usefulinformation．Searchsome the of get engine，indegree，acceleratespeed in

  本文关键词：搜索引擎设计分析与结果聚类改进，由笔耕文化传播整理发布。