一种基于搜索策略的多主题信息采集方法

• 作者: 仲兆满 刘宗田 李存华 管燕
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 多主题信息采集 原子规则 内置搜索 通用搜索 相关性计算
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 2352-2358
• 页数: 7页
• 分类号: TP311
• 字数: 7968字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2014.12.003

摘要

本文针对多主题信息采集效率低下的问题，调研了主题规则在内置搜索引擎和通用搜索引擎上搜索结果的差异，提出将主题规则拆分成原子规则的思想，分析了原子规则间的相同、互换、包含三种关系。在原子规则之间关系的基础上，设计了针对内置搜索和通用搜索不同的原子规则分配策略，这样做一方面提高主题信息采集的准确率，另一方面减少搜索采集的次数。针对原子规则直接搜索结果的准确率不高的问题，提出了基于句群的主题与信息相关性的过滤方法。设置138条主题规则（拆分后的原子规则为8223条），14个内置搜索引擎和4个通用搜索引擎，在单位时间内采集到的信息总条数与采集到的相关信息的条数两个方面进行了实验比较。结果表明，所提方法在信息采集数目及相关信息采集数目方面均具有较好的性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘宗田	上海大学计算机学院	155	2834	28.0	47.0
2	李存华	淮海工学院计算机工程学院	95	723	15.0	22.0
3	仲兆满	淮海工学院计算机工程学院	30	190	8.0	12.0
4	管燕	淮海工学院计算机工程学院	12	74	4.0	8.0