QQ客服 官方微博 反馈留言

	基于非内容信息的网络关键资源有效定位
	刘奕群 ; 张敏 ; 马少平 ; LIU Yi-qun ; ZHANG Min ; MA Shao-ping
	2010-06-09 ; 2010-06-09
关键词	网络信息检索 关键资源页面 主题过滤 机器学习 web information retrieval key resource page topic distillation link structure analysis TP18 TP391.3
其他题名	Web key resource page selection based on non-content information
中文摘要	网络信息的爆炸式增长,使得当前任何搜索引擎都只可能索引到Web上一小部分数据,而其中又充斥着大量的低质量信息.如何在用户查询无关的条件下找到Web上高质量的关键资源,是Web信息检索面临的挑战.基于大规模网页统计的方法发现,多种网页非内容特征可以用于关键资源页面的定位,利用决策树学习方法对这些特征进行综合,即可以实现用户查询无关的关键资源页面定位.在文本信息检索会议(TREC)标准评测平台上进行的超过19G文本数据规模的实验表明,这种定位方法能够利用20%左右的页面覆盖超过70%的Web关键信息;在仅为全部页面24%的关键资源集合上的检索结果,比在整个页面集合上的检索有超过60%的性能提高.这说明使用较少的索引量获取较高的检索性能是完全可能的.; Information growth makes it impossible for search engines to crawl and index all pages on the Web.Meanwhile indexed page set is filled with low quality information and spam.It is quite a challenge to select high quality Web pages(key resource pages)query-independently.With analysis in non-content features of key resources,a pre-selection method was introduced in topic distillation research.A decision tree was constructed to locate key resource pages using query-independent non-content features including in-degree,document length,URL-type and two novel proposed features involving site's self-link structure analysis.Although the result page set contained only about 20% pages of the whole collection,it covered more than 70% of key resources.Furthermore,information retrieval on this page set made more than 60% improvement with respect to that on all pages.It shows an effective way to get better performance in topic distillation with a smaller data set.; 国家重点基础研究(973)资助项目(2004CB318108); 国家自然科学基金资助项目(60223004,60321002,60303005,60503064); 教育部科学技术研究重点资助项目(104236).
语种	中文 ; 中文
内容类型	期刊论文
源URL	[http://hdl.handle.net/123456789/55304]
专题	清华大学
推荐引用方式 GB/T 7714	刘奕群,张敏,马少平,等. 基于非内容信息的网络关键资源有效定位[J],2010, 2010.
APA	刘奕群,张敏,马少平,LIU Yi-qun,ZHANG Min,&MA Shao-ping.(2010).基于非内容信息的网络关键资源有效定位..
MLA	刘奕群,et al."基于非内容信息的网络关键资源有效定位".(2010).

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。