基于搜索引擎的智能化推荐技术研究

论文摘要

互联网不断地成熟,海量的信息在满足用户的需求同时,也给用户精确地找到所需要的信息制造了越来越大的难度。用户对搜索服务提出了更高的要求,具体表现在信息的广度和精确度的要求。为了给搜索引擎提供更好的关键词语推荐服务,本文在比较各种聚类技术,以及研究其他学者在聚类技术改进上做过的工作,提出了后缀树聚类算法和基于层次聚类CURE算法结合的HWSTC算法。该算法在增加一定的时间耗费的基础上,有效地提高了聚类算法的查全率和查准率。文本所做的主要工作如下所述:(1)分析了国内外在搜索引擎推荐技术上的研究,发展现状。(2)研究介绍了处理中文文本时所用到的各种技术,包括中文分词,特征提取,VSM向量空间建模,各类聚类技术——传统的,和针对网络搜索的在线聚类技术。(3)分析设计了搜索结果智能化推荐的搜索引擎架构,流程。(4)提出了改进的后缀树算法。(5)通过定量样本测试分析了HWSTC算法和它的两种母算法在聚类上的表现差异,分析了该算法的可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景及意义
• 1.2 国内外现状分析
• 1.3 本文的组织
• 第二章 智能推荐相关技术介绍
• 2.1 中文分词
• 2.2 中文文本的特征提取
• 2.2.1 文本的表示
• 2.2.2 常用特征提取算法
• 2.3 传统的聚类技术
• 2.3.1 基于划分的聚类算法（Partitioning method）
• 2.3.2 基于层次的聚类算法（Hierarchical Clustering Method）
• 2.3.3 基于密度的方法（Density-based method）
• 2.3.4 基于网格的方法（Grid-based method）
• 2.3.5 基于模型的方法（Model-based method）
• 2.4 基于搜索结果的聚类技术
• 2.4.1 后缀树聚类（STC，Suffix Tree Clustering）
• 2.4.2 LINGO（Label Induction Grouping algOrithm）
• 2.5 本章小结
• 第三章 智能化推荐详细设计
• 3.1. 系统结构设计
• 3.1.1 基于Nutch 搜索引擎的方案
• 3.1.2 运用 Carrot2 进行在线聚类
• 3.2. 对搜索结果的网页信息抽取
• 3.3. 针对抽取信息的文档预处理
• 3.4. 智能推荐模块
• 3.5. 开发环境介绍
• 3.6. 本章小结
• 第四章 HWSTC算法的设计与实现
• 4.1 HWSTC 算法形成的背景
• 4.2 HWSTC 算法实现过程
• 4.3 推荐词生成
• 4.4 本章小结
• 第五章 系统性能分析
• 5.1 性能测试环境及测试过程
• 5.2 测试结果分析
• 5.3 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献