基于统计的搜索引擎中文输入纠错技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究现状分析 | 第11-14页 |
| ·本文的主要研究内容 | 第14页 |
| ·本文的组织结构 | 第14-16页 |
| 第二章 搜索引擎及其应用技术概述 | 第16-24页 |
| ·搜索引擎的基本原理与体系结构 | 第16-21页 |
| ·网页爬取 | 第16-18页 |
| ·预处理阶段 | 第18-19页 |
| ·关键词的提取 | 第18页 |
| ·网页去重 | 第18页 |
| ·链接分析 | 第18-19页 |
| ·网页查询结果排序 | 第19页 |
| ·查询结果 | 第19-20页 |
| ·搜索引擎的体系结构 | 第20-21页 |
| ·LUCENE全文检索工具包 | 第21-23页 |
| ·LUCENE的简介 | 第21-22页 |
| ·LUCENE全文检索包与本文研究内容的关系 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 统计语言模型的分析与建立 | 第24-34页 |
| ·基于N-GRAM的语言模型 | 第24-25页 |
| ·N值的选定 | 第25-27页 |
| ·模型的建立 | 第27-29页 |
| ·数据稀疏问题 | 第29-31页 |
| ·齐普夫(ZIPF)定律 | 第29-30页 |
| ·平滑技术的引入 | 第30-31页 |
| ·输入关键词的分析与统计信息的比较 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 关键词的权重统计比较 | 第34-38页 |
| ·词频率-逆向文档频率(TF/IDF) | 第34-35页 |
| ·权重的分析比较 | 第35页 |
| ·本章小结 | 第35-38页 |
| 第五章 实验平台与实验数据分析 | 第38-48页 |
| ·论模型与实验平台搭建的选择 | 第38页 |
| ·NUTCH+HADOOP实验平台 | 第38-41页 |
| ·NUTCH和HADOOP概述 | 第38-40页 |
| ·实验环境 | 第40页 |
| ·系统架构 | 第40-41页 |
| ·实验标准评价 | 第41-42页 |
| ·实验数据集 | 第42页 |
| ·实验数据统计 | 第42-46页 |
| ·初始状态下的查询成功率 | 第43页 |
| ·建立语言模型后的数据分析 | 第43-45页 |
| ·分析关键词权重后的统计结果 | 第45-46页 |
| ·实验数据分析 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第六章 全文总结与研究展望 | 第48-52页 |
| ·全文总结 | 第48-49页 |
| ·进一步的研究 | 第49-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间发表的学术论文目录 | 第58-60页 |
| 附录1 中文分析器核心代码 | 第60-71页 |
