本文详细介绍了信息检索的概念，强调了全文检索在文档查询中的作用。讨论了向量空间模型、流行度排名算法如HITS，以及搜索引擎作弊的策略。还涉及网络爬虫、索引构建、深度Web爬虫以及查询结果多样化的处理。信息抽取和问答系统的应用，以及结构化数据查询在信息检索中的重要性也得到了阐述。
1、信息检索：指的是非结构化文本数据的查询。
2、基于用户输入来定位相关文档构成了信息检索的过程，用户输入包括关键字、示例文档等。用户预期的文档通常用关键字集合来描述。
信息检索系统一般允许使用由关键字和逻辑连接词（and，or，not）组成的查询表达式。
在全文检索中，每份文档中的所有词都当作关键字。
我们用术语来表示文档中的词。一份文档对一个术语的相关性称作术语频率（TF）。一个查询Q可能包含多个关键字。
3、基于相似性的检索：
一个将文档视作n维空间中的点和向量的模型称作向量空间模型。
4、流行度排名：
基本思想是找到流行的页面，把它们的位置排在同样包含特定关键字的其他页面之前。
一种方法是找出一个页面被访问的次数。另一种是使用指向一个页面的超链接来度量其流行度。
书签文件通常是私下进行存储的，是不能在Web上得到的。
一种替代方法是将流行度与站点相关联，而不是和页面相关联。一个站点的所有页面获得该站点的流行度。
5、HITS算法：
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
