Métodos de recuperación de información de la red de emergencia y documentos de solicitud
Con el rápido desarrollo de Internet a escala global, la contradicción entre la enorme información digital en Internet y el acceso de las personas a la información se ha vuelto cada vez más prominente. Por lo tanto, explorar y estudiar la tecnología de recuperación de información en red y sus tendencias de desarrollo es un tema urgente y realista. Este artículo analiza y estudia los principios básicos, tecnologías y herramientas de recuperación de información de red, la situación actual de la recuperación de información de red y predice la tendencia de desarrollo de la recuperación de información de red, con el objetivo de encontrar formas efectivas de mejorar los medios y métodos de recuperación de información de red. Método, que en última instancia mejora el efecto de recuperación de la información de la red y hace un uso completo y efectivo de los recursos de información de la red.
El texto completo consta principalmente de seis partes.
La primera parte es una revisión de la recuperación de información de la red, que explica principalmente los conceptos relacionados involucrados en la recuperación de información de la red, como la recuperación de información. Tecnología y características de la recuperación de información de la red, evaluación del efecto de recuperación de información de la red, etc.
La segunda parte se centra en la tecnología básica de recuperación de información en red. Como tecnología de inserción y extracción de información, tecnología de extracción de datos, tecnología de filtrado de información, tecnología de procesamiento del lenguaje natural, etc. , tiene como objetivo aclarar el soporte técnico de la recuperación de información de red y allanar el camino para predecir la tendencia de desarrollo de la recuperación de información de red.
La tercera parte expone la importante herramienta de recuperación de información de red y motor de búsqueda, principalmente a partir de su mecanismo de recuperación, y analiza las características y funciones de recuperación de diferentes tipos de motores de búsqueda. Su singularidad radica en su resumen completo de las funciones básicas de los motores de búsqueda y su clasificación científica de los motores de búsqueda más populares actualmente. ...
La cuarta parte analiza y discute otra rama de la tecnología de recuperación: la tecnología de recuperación basada en contenido.
La quinta parte analiza las limitaciones de las herramientas de recuperación de información en red, principalmente desde dos aspectos: recuperación de información textual y recuperación de información multimedia.
Finalmente lo convertí a . Texto txt y publicado a continuación:
1.1 Recursos de información de red
Los recursos de información de red se refieren a "diversos recursos de información disponibles a través de Internet internacional".
Con el rápido desarrollo de Internet, los recursos de información en línea también han crecido exponencialmente. Los recursos de información en línea se han convertido
Como un nuevo tipo de recursos de información, desempeñan un papel cada vez más importante. Su contenido lo abarca casi todo.
Así como la política, la economía, la cultura, la ciencia, el entretenimiento, etc.; sus formas mediáticas son diversas, incluyendo texto
este, gráficos, imágenes, sonidos, videos, etc. ; su ámbito de aplicación abarca las ciencias sociales, las ciencias naturales y las humanidades.
Y tecnología de ingeniería.
1.2 Tecnología de recuperación de información
La tecnología de recuperación de información es una de las tecnologías clave en la sociedad de la información moderna. La recuperación de información se refiere al envío de cartas.
La información se organiza y almacena de una determinada manera, y la información requerida se busca de acuerdo con las necesidades de información del usuario de la información.
Proceso y tecnología, por lo que el nombre completo de recuperación de información también se denomina "almacenamiento y recuperación de información". Recuperación de información en un sentido estricto
Solo se refiere al proceso de encontrar la información requerida de un conjunto de información, es decir, utilizar herramientas de recuperación del sistema de información para encontrar la ubicación.
El proceso de solicitud de información. Las principales formas que tienen las personas de obtener fuentes de información son: ① Se utilizan ampliamente métodos de recuperación tradicionales.
En los materiales de la biblioteca de Yanhai, el número de índice del documento correspondiente se encuentra mediante indexación de búsqueda manual y se obtiene el documento original.
Texto; ②Recuperación de información en línea. También hay un proceso de desarrollo, a partir de los resultados de la búsqueda, a partir de lo proporcionado
Recuperando información secundaria relacionada con el índice, resúmenes, etc., se puede obtener directamente la versión electrónica del texto completo; a través del método de búsqueda
Desde un punto de vista, la entrada de búsqueda convencional se basa en palabras clave específicas o información auxiliar como autores e instituciones.
Realice búsquedas de texto completo para cualquier palabra en el documento original y más. Entre ellos, la recuperación de texto completo porque contiene información
En los últimos años se ha desarrollado la originalidad, minuciosidad y naturalidad del lenguaje de recuperación y otras características de la recuperación de información.
Más rápidamente, se ha convertido en una tecnología de recuperación de información muy eficaz y ha atraído una atención generalizada. Se basa en documentos masivos.
L3], que es la forma más eficiente de localizar exactamente la información que necesita en el archivo.
3.2 Recuperación de información de la red
Los métodos de recuperación incluyen: modo navegador y modo motor de búsqueda.
(l) Modo navegador (Br, singsystelns). Siempre que pueda ingresar hitemct, puede abrir el navegador
Utilice el servicio WV NINEONE proporcionado por el protocolo HTTP para navegar por la página B y extraerla a través de la página B.
Acceder a la base de datos mediante el método de búsqueda.
(2)Motor de búsqueda. Los motores de búsqueda funcionan con Internet.
Los sitios web de búsqueda de servicios W 7 B utilizan ciertas tecnologías y estrategias para recopilar y descubrir correo electrónico en Internet.
Informar, comprender, extraer y procesar información de la red, establecer una base de datos y en forma de Ni B.
Proporciona una interfaz de búsqueda para que los usuarios ingresen términos de búsqueda como palabras clave, frases o frases en su nombre
Encuentre registros que coincidan con la pregunta en la base de datos y devuelva los resultados al mismo tiempo. tiempo y Salida en orden de relevancia, comenzando con
para encontrar información rápidamente. Los recursos de información procesados por los motores de búsqueda incluyen principalmente servicios de la World Wide Web.
Información en el servidor distinta del correo electrónico y mensajes de grupos de noticias. El propósito de los servicios de motores de búsqueda es el enriquecimiento.
Satisface las necesidades de información del usuario, por lo que es interactivo y orientado al usuario.
Las herramientas web de recuperación de información utilizan envíos activos o búsquedas automáticas para buscar datos.
1.4 Evaluación del efecto de recuperación de información de la red
Los estándares de evaluación del efecto de recuperación actualmente reconocidos incluyen: tasa de recuperación, tasa de recuperación
precisión, rango de inclusión, formato de salida, entre En ellos, el recuerdo y la precisión son los más importantes.
El desarrollo de la ciencia y la tecnología de la información modernas ha proporcionado a las personas una variedad de métodos de adquisición y transmisión de información.
La tecnología, desde la perspectiva de la relación entre "fuente" y "usuario", se puede dividir en dos modos: "empuje de información"
Modo de envío de información, es decir, el La "fuente" empuja activamente la información de los "Usuarios", como transmisiones de radio;
Modo "Extracción de información", es decir, los "usuarios" extraen activamente información de las "fuentes",
por ejemplo, consultar una base de datos.
2.2.1 Tecnología de envío de información
El servicio de información de red en modo "push" es una nueva forma de servicio basada en el entorno de red, es decir, la carta.
Los proveedores de servicios de información utilizan tecnología "push" para proporcionar servicios de información a usuarios específicos en Internet. Tecnología push
La razón por la que se ha convertido en una nueva tecnología en Internet es porque crea herramientas de servicios de información de red.
Tiene la iniciativa y no solo puede impulsar directamente la información que los usuarios Si está interesado en enviarlo a los usuarios, también se puede utilizar de forma eficaz.
Recursos de red para mejorar el rendimiento de la red; además, la tecnología push también permite a los usuarios comunicarse con servidores que proporcionan información.
La comunicación transparente entre usuarios facilita enormemente a los usuarios.
La llamada tecnología push, también conocida como tecnología "Push" y tecnología Webeasting, es esencialmente
Internet es un tipo de software que puede recopilar automáticamente la información más probable de usuarios basándose en criterios definidos por el usuario.
Información de interés, para luego entregarla en la "ubicación" especificada por el usuario en el momento adecuado. Por tanto, técnicamente hablando
Técnicamente, el servicio de información de red en modo "push" es inteligente y puede proporcionar información automáticamente.
Un conjunto de servicios de software informático que no sólo pueden comprender y descubrir los intereses de los usuarios (posiblemente preocupados por
información sobre determinados temas), sino también buscar activamente información en Internet y Filtrar, organizar
y luego enviarlo proactivamente a los usuarios según las necesidades específicas de cada usuario141.
(l) Modo push de información. Hay dos formas de difundir información: transmisión en vivo e inteligente.
Los métodos de transmisión en vivo en línea incluyen: inserción de canal. La tecnología de transmisión web de canales es actualmente un modelo ampliamente utilizado.
Define algunas páginas como canales en el navegador y los usuarios pueden aceptar intereses como seleccionar canales de TV.
Información de transmisión en red; envío de correo electrónico, publicación proactiva de información enviada a los usuarios a través del correo electrónico.
Tales como avisos de conferencias internacionales, anuncios de productos, etc. : Empuje basado en web. Publicar información para los usuarios en una página web específica, como una empresa, institución o la página web dedicada de alguien; Utilice software especializado de envío y recepción de información de puertas para enviar información a usuarios especiales, como comunicación confidencial punto a punto.
Los métodos de push inteligentes incluyen: push operativo (push del cliente), en el que la información es iniciada por operaciones de datos del cliente.
Usa la fuerza. Cuando el cliente opera con los datos, comenzará después de que los nuevos datos modificados se almacenen en la base de datos.
Proceso de envío de información: envío de nuevos datos a otros clientes (empuje del servidor), mediante
Tesis de maestría
Imagen principal, 5 imágenes compuestas ⑧
El disparador en la base de datos inicia el proceso de envío de información y envía nuevos datos a otros clientes. Cuando aparecen datos,
se activan cambios, como adición (inserción), eliminación (eliminación), modificación (actualización),
para iniciar el proceso de envío de información.
(2) Características del push de información. Las características del impulso de información son: iniciativa, pertinencia, inteligencia y eficiencia.
Eficacia, flexibilidad y exhaustividad I5].
Proactividad. El núcleo de la tecnología push es que el proveedor de servicios toma la iniciativa.
Los datos son cedidos al cliente. Por lo tanto, la iniciativa es una de las características más básicas de los servicios de información de red modelo "push".
Esto también contrasta marcadamente con los servicios pasivos basados en el modelo "pull" del navegador.
Dirigido (personalizado). La focalización significa que la tecnología push puede abordar las necesidades de información específicas de los usuarios.
Buscar, procesar y enviar para proporcionar a los usuarios búsquedas personalizadas basadas en sus necesidades de información específicas.
Interfaz.
Inteligencia. Los servidores push pueden recopilar automáticamente información que interesa a los usuarios en función de sus necesidades.
Push a los usuarios. Incluso el "agente cliente" en la tecnología push se puede utilizar desde .
Buscar en el sitio programado, recopilar información actualizada y enviarla al usuario. Al mismo tiempo, los agentes y servidores de servicios de información personal
agentes de búsqueda de temas también pueden controlar la profundidad de la búsqueda y filtrar información innecesaria para mejorar la precisión de la información "push" para identificar la lista de recursos del sitio B. y su estado actualizado se completará con el agente del cliente. Por tanto, el servicio de información "push" en la red
entorno de red es muy inteligente. Este también es un servicio tradicional de establecimiento de temas.
(IDE) es incomparable.
Eficiencia. La eficiencia es otra característica importante de los servicios de información "push" en un entorno de red. La aplicación de la tecnología push se puede iniciar cuando la red está inactiva, utilizando de manera efectiva el ancho de banda de la red y haciéndola más adecuada para transmitir grandes datos.
Cantidad de información multimedia.
Flexibilidad. Flexibilidad significa que los usuarios pueden configurar conexiones de manera flexible según su conveniencia y necesidades.
Acceda a recursos de información específicos en Internet a través de correo electrónico, cuadros de diálogo, audio y vídeo.
Completo. La realización de servicios de información de red en modo "push" no sólo requiere equipos de tecnología de la información, sino que también requiere la integración de software de búsqueda, software de clasificación e indexación y otras tecnologías [6].
Sin embargo, en la etapa actual de desarrollo de la tecnología de la información, la tecnología "push" todavía tiene fallas importantes, tales como: ninguna
garantía de entrega de información, ningún seguimiento del estado y falta de Funciones de gestión de grupos y más. Por lo tanto, investigadores nacionales y extranjeros también propusieron la teoría de la tecnología superpush. La llamada tecnología superpush significa retención y continuación.
Herede y mejore las ventajas de push (entrega activa y personalización personalizada) y abandone una de las muchas deficiencias de push.
! Trabajo de Fin de Máster
Catéter principal, vaso sanguíneo artificial nº 5
Una nueva tecnología de empuje desarrollada posteriormente. Su característica más importante es la transmisión garantizada. Bien
Todos los mensajes se envían a usuarios de mensajes específicos en momentos específicos, mientras se mantiene la información continua del usuario.
Materiales, puede saber en cualquier momento quién recibió la información, si la información está personalizada para el usuario y si el entorno del usuario es adecuado.
Espera a [Cuchillo].
2.2.2 Tecnología de recuperación de información
La tecnología de recuperación de información típica y de uso común, como la consulta de bases de datos, es donde el usuario consulta activamente la base de datos y extrae toda la información requerida de la base de datos. información. Sus principales ventajas son: está bien orientado y los usuarios pueden satisfacer sus propias necesidades
Consulta y busca intencionadamente la información que necesita.
Se puede decir que la tecnología de recuperación de información en Internet es una expansión y extensión de la tecnología de consulta de bases de datos.
Zai Wang
En Internet, los usuarios se enfrentan no sólo a una base de datos, sino a un entorno de Internet con información masiva.
Como resultado, surgieron los motores de búsqueda, una herramienta auxiliar para extraer (consultar) diversa información de la red. El impulso y la atracción de información tienen sus propias características y, a menudo, se utilizan juntos en la práctica.
En conjunto, los métodos de combinación más utilizados son:
(1) Estilo "empujar primero y luego tirar". Envíe la información más reciente de manera oportuna (actualice la información dinámica) y luego brinde orientación.
Información requerida para el sexo. De esta manera, es conveniente que los usuarios presten atención a nuevas situaciones y tendencias en los cambios de información y, por lo tanto, seleccionen dinámicamente información que requiera una comprensión profunda.
(2) Estilo "tirar primero, luego empujar". Los usuarios primero obtienen la información requerida y luego la segmentan según sus intereses.
Presionar otra información relevante de manera sexual.
(3) Tipo "push-pull". Durante el proceso de envío de información, los usuarios pueden interrumpir y congelar en cualquier momento.
Si está interesado en la página web, realice más búsquedas y recupere activamente más información.
(4) Estilo "empujar y tirar". En el proceso de búsqueda de la información extraída por el usuario, la fuente de información envía activamente información relevante y la información más reciente de acuerdo con las pulsaciones de teclas ingresadas por el usuario. Esto no sólo puede utilizarse de manera oportuna y específica.
El servicio al cliente puede reducir la carga de la red y ampliar el alcance de los usuarios[8].
Por lo tanto, la combinación de envío de información y extracción de información es la actual Internet, los sistemas de bases de datos y otra información.
El sistema de información es una dirección de desarrollo que proporciona a los usuarios servicios de información activos.
2.3 Tecnología de minería web
Con el desarrollo de Internet, Internet se ha convertido en una fuente de información pública para la sociedad humana. En hitemet
Ha brindado oportunidades de información sin precedentes a la humanidad, pero también ha hecho que el entorno de información humana sea más complejo.
Imagen principal, 5 imágenes compuestas ⑧
El problema de cómo utilizar la información no se ha resuelto satisfactoriamente con el desarrollo de la tecnología de la información como se esperaba.
Por el contrario, con el desarrollo de la tecnología de la información, la proliferación de información ha dado como resultado la cantidad de información que los individuos realmente necesitan.
Y la contradicción entre explorar la gran cantidad de información sobre B, que también dificulta que los individuos hagan uso de la información. Existe
En este caso, aunque existen herramientas de recuperación especializadas en el entorno B, debido a que el motor de búsqueda se desarrolla
a partir de la tecnología de búsqueda tradicional, ante las crecientes necesidades de los usuarios. Situación actual, la tecnología de búsqueda tradicional
La tecnología no ha logrado satisfacer las necesidades de las personas. Para hacer un uso más eficaz de los recursos de información de la red, la minería W 7 B
como nuevo método de extracción de conocimientos, proporciona una nueva solución para la utilización de la información web.
2.3, contenido de minería de 1shaneb
La minería de datos consiste en extraer datos de una gran cantidad de datos incompletos, ruidosos, borrosos y aleatorios.
Extraer personas El proceso de obtener información y conocimientos potencialmente útiles que no se conocen de antemano.
La minería web consiste en extraer patrones útiles e información oculta de la WWW y sus recursos y comportamientos relacionados. Ese
WWW y sus recursos relacionados se refieren a los documentos web que existen en la WWW y a los documentos de registro en el servidor web.
Además de los datos de los usuarios, desde el concepto de minería web, debemos ver que la minería web es esencialmente un tipo de conocimiento.
El método de descubrimiento se centra principalmente en los siguientes tres aspectos.
(1)Minería de contenidos web. La minería de contenido W 7 B consiste en extraer conocimiento de los datos de w7b para implementar la Web.
La recuperación automática de recursos mejora la eficiencia de utilización de los datos web. Con el mayor desarrollo de Internet, los datos son cada vez más grandes y hay cada vez más tipos de datos que incluyen información de texto, imágenes, audio, video y otra información multimedia. tanto datos estructurados de bases de datos como HTML útil.
Marcar información de datos semiestructurados y datos de texto libre no estructurados. Entonces el contenido de W tiene b.
La minería de información se lleva a cabo principalmente desde las dos perspectivas siguientes["].
Primero, desde la perspectiva de la recuperación de información, este artículo estudia principalmente cómo procesar formatos de texto y documentos de hipervínculo.
Algunos datos no están estructurados o semiestructurados. Cuando se procesan datos no estructurados, generalmente se utiliza el método de conjunto de palabras.
El texto no estructurado está representado por un conjunto de términos y se utiliza tecnología de evaluación de la información para preprocesar el texto.
Luego utiliza el modelo correspondiente para representarlo. Además, el texto se puede representar utilizando la longitud máxima de secuencia de caracteres, segmentación, clasificación de conceptos, aprendizaje automático y estadísticas de lenguaje natural. Cuando se trata de datos semiestructurados,
Se pueden utilizar algunos algoritmos relacionados para clasificar hipervínculos, buscando identificar relaciones entre siete páginas B y extraer reglas. Lo mismo
En comparación con el procesamiento de datos no estructurados, los datos semiestructurados agregan información de marcado HTML y texto web.
La estructura de hipervínculos dentro del archivo enriquece el método de representación de datos semiestructurados.
En segundo lugar, desde la perspectiva de la base de datos, se trata principalmente de bases de datos estructuradas W Bi B, es decir, hipervínculos.
14 8 Rui Yurui
Los documentos y datos se representan principalmente mediante gráficos ponderados o modelos de incrustación de objetos (OME) o bases de datos relacionales.
Aplicando determinados algoritmos podemos conocer las conexiones intrínsecas entre páginas web, cuyo objetivo principal es inferir páginas web.
La estructura del sitio web puede convertir a W Bi B en una base de datos para gestionar y consultar mejor la información. Count
La gestión de bases de datos generalmente se divide en tres aspectos: uno es modelar, investigar y comprender el lenguaje de consulta avanzado en B para que
no se limite a consultas de palabras clave, el otro es información; Integración y extracción de cada sitio W 7 B y su packaging.
Considere el programa como una fuente de datos B reconocida y realice la integración de múltiples fuentes de datos a través del almacén de datos W 7 B (data~house) o la base de datos virtual W 7 B. En tercer lugar, mediante la investigación, el establecimiento y la reconstrucción del sitio web de PageB
Estudiar el lenguaje de consulta en línea para lograr el establecimiento y mantenimiento del sitio web.
(Minería de estructura Zab. La minería de estructura W Bi B se refiere principalmente al análisis de documentos W siete B, de
La estructura organizativa entre documentos para obtener patrones útiles. La minería de contenido estudia las relaciones. en documentos,
W 7 b La minería de estructuras se centra en las relaciones entre estructuras de hipervínculos en sitios web, descubriendo estructuras ocultas
Después de un modelo de estructura de enlaces de página, puede usar este modelo para reclasificar W siete B páginas, o puede
usarlo para encontrar sitios web similares
El tipo de datos de la minería de estructuras W 7 B es W 7 B. Los datos estructurados son un tipo de datos. que describe la organización del contenido web. La estructura de la página se puede expresar como nudos de árbol, etc.
Además, la estructura de la página se puede expresar como un nudo de árbol. También puede estar representado por la estructura de hipervínculos que conecta diferentes páginas web. La reflexión de enlaces entre documentos analiza algunas relaciones entre la información del documento, como las relaciones paralelas de afiliación, las citas y las relaciones citadas. Sí, al clasificar los hipervínculos en las páginas web, podemos juzgar e identificar. Las relaciones de atributos entre la información de la página web porque hay o más páginas web o menos información estructural se pueden descubrir estudiando la estructura interna de la página W dead B
Otros patrones de información de la página relacionados con la colección de páginas seleccionada por el usuario. información para detectar el desarrollo del sitio W y el sitio b
La integridad de la información
③ Minería del comportamiento de la red La llamada minería del comportamiento del usuario de WB se realiza principalmente a través de la identificación del. Archivos registrados y usuarios del servidor B ese día. Análisis de información para obtener patrones útiles sobre los usuarios W 7 b Behavior Mining
La información de datos se refiere principalmente a los patrones de comportamiento del usuario contenidos en los registros de la red, incluido el tiempo de búsqueda y los términos de búsqueda. ,
Rutas de búsqueda, resultados de búsqueda y qué resultados de búsqueda se han explorado. Debido a la naturaleza heterogénea del propio W7B,
las características de distribución, dinámica y falta de una estructura unificada. La minería de contenido en Internet es difícil.
Requiere un gran avance en la inteligencia artificial y la comprensión del lenguaje natural. Afortunadamente, la estructura de registro 109 del servidor está relacionada con la visita. /p>
El registro registra información como página, hora, ro de usuario, etc., por lo que proporciona información.
Tesis de Maestría L5
Maestría, 5 síntesis ⑥
La minería es factible y significativa. En el proceso de práctica técnica, los datos del registro generalmente se reflejan primero.
Capture diversa información de relaciones y realice preprocesamiento, incluida la eliminación de información irrelevante para la minería. Para mejorar el rendimiento, los métodos utilizados actualmente para la extracción de información de datos de registro 109 incluyen análisis de ruta, reglas de asociación, descubrimiento de patrones, análisis de conglomerados, etc. Para mejorar la precisión, la minería de comportamiento también se aplica a la información de la estructura del sitio web
Información del contenido de la página, etc.
2.3.2 Aplicación de la tecnología de minería web en la recuperación de información en redes
Aplicación de la minería de contenidos web en la recuperación. La minería de contenido W-Bi-B se refiere al contenido del documento y su descripción.
En el proceso de adquisición de conocimiento, la tecnología tradicional de recuperación de información no procesa los documentos W-B con suficiente profundidad.
Por lo tanto, Puede utilizar la tecnología de minería de contenido B para procesar documentos W-B en la recuperación de información de la red.
Las mejoras adicionales se reflejan en los siguientes aspectos.
①Tecnología de resumen de texto. La tecnología de resumen de texto se refiere a extraer información clave de los documentos y luego simplificarlos.
W Bi B Una forma limpia de resumen o representación de la información del archivo. Para que los usuarios puedan explorar estas letras clave
intereses, pueden tener una comprensión general de la información en la página web de W 7 B, decidir su relevancia y seleccionarla.
②Tecnología de clasificación de textos. La clasificación de texto en la minería de contenidos se refiere a la clasificación basada en temas predefinidos.
Categorías, que utilizan computadoras para clasificar automáticamente cada documento en una colección de documentos. El valor de la recuperación de clasificación de información de red es que puede limitar el alcance de la búsqueda y mejorar en gran medida la precisión. En la actualidad, han surgido muchas tecnologías de clasificación de texto, como el algoritmo TFIFF. , porque la minería de textos y los motores de búsqueda manejan pequeñas cantidades de texto.
Casi exactamente lo mismo, por lo que la tecnología de clasificación de texto se puede aplicar directamente a la clasificación automática de los motores de búsqueda.
Al clasificar de forma automática, rápida y eficaz un gran número de páginas, se puede mejorar la precisión de la recuperación de documentos.
③Tecnología de agrupación de textos. La agrupación de texto es el proceso opuesto a la clasificación de texto. La agrupación de texto se refiere a
dividir documentos de una colección de documentos en grupos más pequeños. Requiere que los documentos del mismo grupo sean lo más similares posible.
Cuanto menor sea la relación entre los grupos, mejor. Estos grupos son equivalentes a las categorías en la tabla de clasificación. Agrupación de texto
Las técnicas no requieren categorías de temas predefinidas para que las categorías de los motores de búsqueda puedan compararse con las recopiladas.
Adaptación de la información. Las técnicas de agrupación de textos son más rápidas y objetivas que la clasificación manual. Al mismo tiempo,
La agrupación de texto se puede combinar con la tecnología de clasificación de texto para hacer que el procesamiento de la información sea más conveniente. Puedes evaluar los resultados de búsqueda
Categorías y agrupar resultados similares.
(2) Aplicación de la minería de estructuras web en la recuperación de información de la red. W Bi B adopta un método de organización de la información.
Este tipo de estructura no plana, en términos generales, el método de organización de la información de W y B está organizado por contenido. Sin embargo,
Debido a que la información estructural de W Bi B es difícil de procesar, los motores de búsqueda generalmente no procesan estas letras.
16 Trabajo de Fin de Máster
El maestro, Zhu Zheng515⑧
La información, en cambio, el pitido táctil de la página B se procesa como el texto del mecanismo del plano. Sin embargo, después de extraer de la estructura táctil B,
al extraer la estructura organizativa del documento B, el motor de búsqueda puede ampliar aún más las
capacidades de recuperación del motor de búsqueda y mejorar el efecto de recuperación[ '3] .
(3) Aplicación de la minería de comportamiento frágil B en la recuperación de información de la red. La minería de comportamiento táctil es un tipo de minería que resume los patrones de comportamiento de recuperación del usuario. El comportamiento de recuperación del usuario siempre ha sido un contenido de investigación importante en la recuperación de información.
Contenido, al explorar la minería de comportamiento B, no solo puede descubrir los patrones de comportamiento potenciales de la mayoría de los usuarios, sino también
Y también puede descubrir el comportamiento personalizado de usuarios individuales. El estudio de estos patrones conduce a mejores búsquedas.
Comentarios sobre el efecto de recuperación del motor de búsqueda, mejorando así aún más la estrategia de búsqueda y mejorando el efecto de recuperación.
2.3.3 Limitaciones web y dirección de desarrollo de la tecnología de minería web
(1) Minería de contenido B-hole. Independientemente de si los datos de w 7 b se expresan en lenguaje de marcado HTML o XML,
el problema no estructurado de los datos de w 7 b no se puede resolver por completo, especialmente porque existen muchos formatos de oraciones chinas, palabras funcionales,
No existen límites absolutos entre las palabras del contenido, la segmentación de palabras es difícil y los datos no se pueden etiquetar automáticamente.
Por lo tanto, es necesario combinar tecnologías de la información como los almacenes de datos con la tecnología de minería de contenidos de SevenB.
Almacenamiento de información por filas, logrando en última instancia una representación e indexación de datos inteligente y automatizada para su recuperación.
Generalmente, la representación de los datos y la forma de utilización de los datos están relacionadas entre sí, por lo que el diseño de los datos correspondientes tiene una alta capacidad de consulta.
El algoritmo de minería de velocidad y precisión generales es también el futuro Una de las direcciones, al igual que la representación de datos. Además, los números multimedia
según cómo identificarlos, clasificarlos e indexarlos, esta es también la dificultad y la dirección de la futura investigación de minería de contenidos B.
(2) Minería de datos estructurales Mei B. Con el rápido desarrollo de Internet, el contenido de los sitios web es cada vez más abundante.
La estructura es cada vez más compleja. El uso de un gráfico dirigido para representar la estructura de enlaces de un sitio web gigante no podrá satisfacer el procesamiento de datos.
Para satisfacer las necesidades, necesitamos diseñar una nueva estructura de datos para representar la estructura del sitio web.
Debido a que la única información de uso del usuario utilizada para el análisis comparativo para encontrar problemas es el tráfico de registro, entonces, en cuanto a
cómo identificar cada relación de enlace en el flujo de registro y qué estructura usar para representarlo, Cómo extraer información útil.
Modo, etc. Este no es solo un contenido de investigación importante para la minería de comportamiento de FeijinB, sino también una parte importante de la minería de estructuras de sitios web.
Una de las líneas de investigación.
(3), minería del comportamiento del usuario eb. Debido a la naturaleza sin estado del Protocolo de transporte de Internet HTTP,
la existencia de una caché del lado del servidor proxy hace que existan registros de acceso de los usuarios en el servidor, el servidor proxy y.
Por lo tanto, la mayor dificultad para el cliente es aprender las reglas de acceso de los usuarios a partir de los registros de acceso de usuarios de W 7 B, por ejemplo.
¿Cómo preprocesar los registros de acceso distribuidos en diferentes ubicaciones para formar un ciclo de acceso único para cada usuario?
Entre. En términos generales, para los sitios web estáticos W7B, los registros del lado del servidor son relativamente fáciles de obtener, al igual que el cliente y el proxy.
El registro de acceso de usuario del servidor L7 no es fácil de obtener; en segundo lugar, porque un W Bi B completo se compone de uno tras otro.
Las páginas de imágenes y marcos, y el acceso del usuario al servidor también tienen concurrencia a la hora de determinar el contenido al que accede el usuario.
, debes seleccionar de los logs del servidor la página que el usuario realmente solicitó y el contenido principal de la página.
Además, los algoritmos de minería de datos existentes se desarrollan principalmente sobre la base de grandes cantidades de datos de transacciones.
Sí, la estructura del algoritmo también debe rediseñarse cuando se procesan registros masivos de acceso de usuarios web ['41].
2.4 Tecnología de filtrado de información
El entorno abierto de Hitemet proporciona una gran comodidad para que las personas recuperen y utilicen información, pero también
Al mismo tiempo, el entorno de red También genera problemas a las personas para recuperar la información requerida de manera oportuna y precisa. Esto se debe, en primer lugar,
En primer lugar, las fuentes de información en el entorno de red son complejas y diversas, y son arbitrarias, y a nadie ni a ninguna unidad le importa.
La información se puede publicar en línea, independientemente del escenario y la motivación, y la generación y difusión de información no son filtradas ni censuradas.
Por lo tanto, la confiabilidad, la calidad y el valor de la información se han convertido en las principales preocupaciones de los usuarios. Segundo, el propósito.
El alcance de recuperación de la mayoría de las herramientas de búsqueda de datos es integral y sus robots lo intentan. para rastrear varias
páginas web, procesarlas brevemente y almacenarlas en la base de datos para su inspección. En tercer lugar, los motores de búsqueda proporcionan directamente
la mayoría de los métodos de recuperación a los usuarios se basan en claves booleanas; la coincidencia lógica de palabras devuelve todo al usuario.
Incluidas las palabras clave, el número de resultados de búsqueda supera con creces la energía absorbida y utilizada por los usuarios.
La fuerza hace que las personas se sientan impotentes. Esto es lo que la gente suele llamar "sobrecarga de información" y "sobrecarga de información".
Elefante.
Es en este contexto que la tecnología de filtrado de información comienza a atraer la atención de la gente. Su propósito es hacer que los motores de búsqueda sean más "inteligentes" y que la participación en los motores de búsqueda sea más profunda y detallada.
En todo el proceso de búsqueda del usuario, desde la selección de palabras clave, la determinación del alcance de la búsqueda hasta el refinamiento de los resultados de la búsqueda,
Ayuda a los usuarios a encontrar las reales que satisfacer sus necesidades en la información masiva relevante.
2.4.1 Modelo de filtrado de información
La esencia del filtrado de información sigue siendo una tecnología de recuperación de información, por lo que todavía depende de un determinado modelo de recuperación de información.
Los diferentes modelos de recuperación tienen diferentes métodos de filtrado. 51.
(1) Filtro con modelo de lógica booleana. El modelo booleano es un modelo de recuperación simple. La búsqueda
En chino se basa en si el documento contiene palabras clave, por lo que no es necesario analizar los datos de la página web.
Realizar un procesamiento profundo. La tabla de palabras clave más simple se puede diseñar con solo tres campos: palabra clave, incluida.
El número de envío de la palabra clave y el número de veces que aparece la palabra clave en el documento correspondiente. Al realizar búsquedas, los usuarios envían palabras clave.
……………………………………
Es demasiado largo y no se puede publicar. Espero que te sea útil, pero realmente no lo es. Contáctame (déjame un mensaje) y te lo enviaré a tu correo electrónico.