基于链接划分的分布式WEB信息检索

• 作者: 吴丽辉 张刚 王斌
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 网页链接 聚类 分布式信息检索
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 519-524
• 页数: 6页
• 分类号: TP391
• 字数: 5223字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2007.04.012

摘要

分布式信息检索是面向海量WEB信息检索的一种有效手段.本文采用一种基于链接的聚类方法(LIBCA)来对网页数据进行划分,并采用BloomFilter优化LIBCA算法的计算效率,在检索过程中采用CORI集合选择算法和OKAPI BM25检索算法.基于最近3年的TREC WEB实验数据集,对比集中式检索、基于随机划分的分布式检索,实验结果表明,本文方法在P@10的指标上可达到甚至超过集中式检索的效果.效率方面的实验表明利用BloomFilter的LIBCA算法具有较高的划分效率,适合海量数据的处理.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王斌	中国科学院计算技术研究所软件室	325	6645	42.0	69.0
2	张刚	中国科学院计算技术研究所软件室	42	886	15.0	29.0
6	吴丽辉	中国科学院计算技术研究所软件室	7	84	3.0	7.0