面向油田信息服务的智能搜索引擎研究与应用

论文摘要

随着Internet和WWW的迅速发展,Internet上的资源日趋丰富,这使网络成为了全球最大的知识库,为信息资源的共享提供了平台,但同时也使贴近用户原意的信息查询变得困难。许多综合型的搜索引擎虽然功能非常强大,但当用于检索某些特定领域的信息时,搜索结果往往包含了许多与专业相关度很小的信息,即“信息过载”给人们获取有用信息造成了很大的不便。因此,搜索引擎作为因特网的信息检索工具,也在不断的完善与进步,向着专业化、自动化、智能化等方向发展。本课题面向油田信息领域,在分析已有专业搜索引擎功能和原理基础上,结合油田信息的特点,进行搜索引擎在信息过滤、信息分类、信息相关度计算等方面一些技术和方法的研究。在信息采集方面,设计了一种用于信息相关度计算的向量空间模型,在抓取网页内容时,通过计算该网页与油田信息主题的相关度,自动略去相关度较低的网页信息,减少了数据冗余;在切分词方面,针对词条匹配时静态查找法查找速度慢,内存资源占用高等特点,提出了一种基于键树的快速切分方法,较大提高了切分词的效率,并设计了一种对文本切分词后的文本碎片实现无词典分词方法,将出现频率较高的词句提供给系统管理员,动态扩充主题词库,以保证对油田信息的收录齐全;在文本分类方面,针对传统VSM分类模型在文本特征表示方面的不足,构造了一种基于文本特征的模糊向量空间模型,该模型提高了分类的精度;在用户信息检索方面,采用了XML技术初步构建了一个油田信息知识库,通过对用户检索条件的智能分析,进行概念检索,提高了信息查全查准率。在上述关键技术和方法研究基础上,设计开发了一个油田信息专业搜索引擎原型系统,经实际初步应用,取得了较好的检索结果。

论文目录

• 摘要
• Abstract
• 创新点摘要
• 第一章 绪论
• 1.1 油田信息检索的研究背景和意义
• 1.2 搜索引擎的国内外发展趋势
• 1.3 油田信息的特点及分析
• 1.4 论文组织结构
• 第二章 主题搜索引擎基本工作原理
• 2.1 搜索引擎的构成
• 2.2 搜索引擎的基本工作原理
• 2.3 网络蜘蛛工作原理
• 2.3.1 网络蜘蛛的相关概念
• 2.3.2 网络蜘蛛的关键技术
• 2.4 文本分类器工作原理
• 2.4.1 文本分类器的系统模型
• 2.4.2 传统文本分类算法的研究
• 2.5 切词器工作原理
• 2.5.1 基于字符串匹配的分词方法
• 2.5.2 基于理解的分词方法
• 2.5.3 基于统计的分词方法
• 2.6 智能信息查询接口工作原理
• 2.6.1 相关技术简介
• 2.6.2 基于知识的搜索引擎
• 2.7 本章小结
• 第三章 油田主题相关度计算
• 3.1 油田信息的搜索策略
• 3.2 空间向量模型的建立
• 3.3 文本与油田主题相关度的计算
• 3.4 文章小结
• 第四章 基于模糊特征向量模型的文本分类
• 4.1 文本模糊特征向量的构造
• 4.2 基于模糊特征向量的核聚类算法
• 4.3 核聚类算法在文本分类中的应用
• 4.4 实验与分析
• 第五章 基于键树的中文切分词算法与设计
• 5.1 基于键树的快速切分词方法
• 5.1.1 键树的构造
• 5.1.2 词库组织
• 5.1.3 切分过程
• 5.1.4 切分结果保存
• 5.2 油田专业词典未登陆词的识别
• 5.2.1 无词典分词算法研究
• 5.2.2 无词典分词实现过程
• 5.3 本章小结
• 第六章 油田信息检索原型系统的设计与实现
• 6.1 系统开发软硬件平台
• 6.2 油田信息检索系统的体系结构
• 6.3 基于XML 的油田信息知识库的构建
• 6.4 油田信息检索系统的详细设计及其实现
• 6.5 本章小结
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要