基于非内容信息的网络关键资源有效定位

• 作者: 刘奕群 张敏 马少平
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 网络信息检索 关键资源页面 主题过滤 机器学习
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 45-52
• 页数: 8页
• 分类号: TP181|TP391.3
• 字数: 9302字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.2007.01.006

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马少平	清华大学智能技术与系统国家重点实验室	53	2381	23.0	48.0
2	张敏	清华大学智能技术与系统国家重点实验室	111	1817	21.0	40.0
3	刘奕群	清华大学智能技术与系统国家重点实验室	21	399	7.0	19.0