互聯(lián)網已成為現代人生活不可或缺的一部分,是人們獲取信息的重要來源。同時互聯(lián)網上不斷增長的海量數據也給用戶帶來了新的挑戰(zhàn),面對如此海量的信息資源,用戶要從其中快速找出自己需要的信息是是非常困難的。為了解決這一問題,搜索引擎誕生了。搜索引擎根據一定的策略,利用特定的程序從互聯(lián)網上搜集信息,在對信息進行加工處理后,為用戶提供搜索服務,將和用戶搜索相關的信息以簡單明了的方式展示給用戶搜索引擎的快速發(fā)展給網民帶來了極大的方便,但其還是沒能從實質上解決上述的問題,現有的搜索引擎通過關鍵字匹配的方式檢索網頁,通常會返回很多的結果,其中包含大量對用戶來說是無用的網頁,用戶仍然很難快速準確的獲取自己所需的網頁。時間作為信息的本質屬性之一,同樣也是網頁的本質屬性之一。當人們閱讀一篇新聞報道時,總是把新聞的內容和時間聯(lián)系起來,有些信息只有在特定的時間下才有意義。在搜索信息的時候加上時態(tài)信息,可以更加準確的表達用戶的查詢意圖,使得搜索引擎能夠更加快速準確地找到用戶所需要的信息,所以對時態(tài)信息的研究將是搜索引擎系統(tǒng)中非常重要的課題,越來越多的搜索引擎系統(tǒng)引入了時態(tài)信息搜索,Google,Baidu搜索引擎在高級... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數】：69 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
CONTENTS
第一章 緒論
    1.1 課題研究背景及意義
    1.2 國內外研究現狀
    1.3 本文研究內容
    1.4 本文的組織架構
第二章 搜索引擎的相關原理和技術
    2.1 搜索引擎的概念
    2.2 搜索引擎的發(fā)展歷史和趨勢
        2.2.1 搜索引擎的發(fā)展歷程
        2.2.2 搜索引擎的發(fā)展趨勢
    2.3 一些著名的搜索引擎
    2.4 搜索引擎的一般工作原理
    2.5 Nutch的組成部分及工作原理
        2.5.1 Nutch的組成部分
        2.5.2 Nutch網頁爬蟲的工作原理
    2.6 Solr相關技術研究
        2.6.1 solr介紹
        2.6.2 solr的數據結構
    2.7 本章小總
第三章 時態(tài)信息的抽取與排序算法改進
    3.1 時間表示
    3.2 網頁時態(tài)信息的處理流程
    3.3 網頁內容時態(tài)信息的抽取
        3.3.1 時間短語的模板規(guī)則
        3.3.2 時間詞詞典
        3.3.3 時態(tài)信息抽取算法
    3.4 時態(tài)信息的格式化處理
        3.4.1 時態(tài)信息規(guī)范化
        3.4.2 參考時間的確定
        3.4.3 時態(tài)信息轉換
    3.5 基于內容時態(tài)信息的排序算法改進
        3.5.1 問題分析
        3.5.2 傳統(tǒng)時態(tài)相關的排序算法
        3.5.3 網頁內容時態(tài)相關度排序算法(CTRR)
        3.5.4 基于時態(tài)相關性的網頁排序
    3.6 本章小結
第四章 基于內容時態(tài)信息的搜索引擎系統(tǒng)的實現
    4.1 系統(tǒng)目標
    4.2 系統(tǒng)架構
    4.3 功能實現
        4.3.1 時態(tài)信息抽取實現
        4.3.2 時態(tài)信息排序實現
    4.4 運行系統(tǒng)
        4.4.1 安裝nutch
        4.4.2 安裝tomcat
        4.4.3 安裝solr
        4.4.4 執(zhí)行抓取
        4.4.5 搜索結果示例
        4.4.6 系統(tǒng)性能
    4.5 本章小結
總結與展望
    本文工作總結
    下一步工作展望
參考文獻
致謝



本文編號：3233933