Geeking：基于胜者表的体育新闻搜索引擎系统

• 作者: 林裕杰 肖卡飞 胡红祥 花强 陈新荃 高妍
• 来源期刊: 集成技术
• 学科: 工学
• 关键词: 搜索引擎 体育新闻 胜者表 编辑距离 聚类 查询词校正
• 年，卷（期）: 2016,（2）
• 页码范围: 97-108
• 页数: 12页
• 分类号: TP391.3
• 字数: 8460字
• 语种: 中文

摘要

文章介绍了体育新闻搜索引擎系统 Geeking的框架结构和各项功能，其结构分为网页爬取、胜者表构建、检索处理、用户界面4个部分，其主要功能包含查询词校正、自动补全、检索结果排序、相似新闻聚类以及显示页面中关键词高亮并提供网页快照。输入查询请求时，系统根据搜索日志和新闻热词自动补全查询词，搜索不到相关结果时校正查询，给出推荐的查询词。检索新闻文档时，使用胜者表快速查找查询词项的相关文档，综合 tf-idf权重和新闻标题、发布时间等因素计算文档的相关性并按得分排序。在相似新闻聚类中，结合最长公共子序列和编辑距离衡量新闻标题之间的相似度，以新闻标题相似度代表新闻文档的相似度。测试结果表明，基于胜者表的 Geeking搜索引擎系统各项功能协调效果好，检索响应速度快。