基于Web的文本信息检索算法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| 1．1 研究背景 | 第9-12页 |
| 1．2 研究现状 | 第12-13页 |
| 1．3 课题来源 | 第13页 |
| 1．4 论文的贡献 | 第13页 |
| 1．5 论文的组织 | 第13-15页 |
| 2 搜索引擎的结构 | 第15-19页 |
| 2．1 搜索引擎的分类 | 第15-17页 |
| 2．1．1 目录式搜索引擎 | 第15-16页 |
| 2．1．2 机器人搜索引擎 | 第16页 |
| 2．1．3 元搜索引擎 | 第16-17页 |
| 2．2 搜索引擎的性能指标 | 第17-18页 |
| 2．3 搜索引擎的完整结构 | 第18-19页 |
| 3 网络蜘蛛 | 第19-24页 |
| 3．1 网络蜘蛛的系统结构 | 第19-20页 |
| 3．2 常用的网络蜘蛛搜索算法 | 第20-22页 |
| 3．2．1 基于广度优先归 | 第21页 |
| 3．2．2 基于深度优先 | 第21-22页 |
| 3．2．3 基于网页评级 | 第22页 |
| 3．2．4 InfoSpider算法 | 第22页 |
| 3．3 学习算法 | 第22-24页 |
| 4 主要文本检索算法的研究 | 第24-37页 |
| 4．1 引言 | 第24页 |
| 4．2 基于内容的检索 | 第24-25页 |
| 4．3 词条位置信息检索方法 | 第25-26页 |
| 4．4 基于超链接分析的检索 | 第26-32页 |
| 4．4．1 PageRank算法 | 第27-28页 |
| 4．4．2 HITS算法 | 第28-30页 |
| 4．4．3 SALSA算法 | 第30-31页 |
| 4．4．4 Reputation算法 | 第31-32页 |
| 4．5 基于融合的检索 | 第32-35页 |
| 4．5．1 基于内容和超链分析的融合检索 | 第32-34页 |
| 4．5．2 基于分类的检索 | 第34页 |
| 4．5．3 相关类别的确定 | 第34-35页 |
| 4．5．4 检索结果的排序输出 | 第35页 |
| 4．6 PageRank和HITS的比较 | 第35-37页 |
| 5 改进的向量空间模型内容检索算法 | 第37-46页 |
| 5．1 传统的向量空间模型 | 第37-39页 |
| 5．2 向量空间模型的基本原理 | 第39页 |
| 5．3 向量空间模型的优点和缺点 | 第39-40页 |
| 5．4 传统向量空间模型失效性 | 第40页 |
| 5．5 改进的向量空间模型-N层向量空间模型 | 第40-43页 |
| 5．5．1 N层向量空间模型的定义 | 第40-42页 |
| 5．5．2 N层向量空间模型的检索算法 | 第42-43页 |
| 5．6 时间复杂度的比较分析 | 第43-44页 |
| 5．7 实验结果与分析 | 第44-46页 |
| 6 网页去噪 | 第46-50页 |
| 6．1 网页去噪的意义 | 第46页 |
| 6．2 网页的相关工作 | 第46-47页 |
| 6．3 网页去噪方法和算法 | 第47-50页 |
| 6．3．1 网页内容结构的表示 | 第47-48页 |
| 6．3．2 网页的量化表示 | 第48页 |
| 6．3．3 内容信息网页的去噪方法 | 第48-49页 |
| 6．3．4 网页去噪算法的空间特性 | 第49-50页 |
| 7 系统的设计与实现 | 第50-57页 |
| 7．1 系统的框架 | 第50页 |
| 7．2 功能模块说明 | 第50-54页 |
| 7．2．1 天网数据源模块 | 第50-51页 |
| 7．2．2 去噪分析模块 | 第51-52页 |
| 7．2．3 索引模块 | 第52-53页 |
| 7．2．4 检索器 | 第53-54页 |
| 7．2．5 用户接口 | 第54页 |
| 7．2．6 词典维护模块 | 第54页 |
| 7．3 主要数据对象的结构 | 第54-55页 |
| 7．3．1 索引数据库 | 第54页 |
| 7．3．2 倒排索引 | 第54-55页 |
| 7．4 倒排索引结构 | 第55-56页 |
| 7．5 检索处理步骤 | 第56页 |
| 7．6 排名方案 | 第56-57页 |
| 8 实验结果与分析 | 第57-59页 |
| 总结 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表学术论文情况 | 第63-64页 |
| 致谢 | 第64-65页 |
| 大连理工大学学位论文版权使用授权书 | 第65页 |
