应用于搜索引擎的人物分类系统设计与实现

摘要

随着互联网技术的高速发展，在逐渐庞大的Web 资源库中，愈发难以快速精确的查找有效信息，因此，针对不同的搜索需求，需要采用专用的检索方式和搜索引擎提供个性化服务，以实现高效搜索。通过研究人物搜索引擎的架构和工作流程，本文提出了应用于搜索引擎的人物分类系统，该系统能够实现文本集合的信息抽取与聚类分析，详细阐述了人物分类系统的实现过程，重点研究了系统的关键技术：
　　 Web 信息抽取技术和文本聚类技术，并通过系统测试证实了系统的实用性与系统关键技术的有效性。
　　 Web 信息抽取技术旨在自动抽取Web 文档中的有效信息。本文提出了针对人物的信息抽取算法，能够抽取Web 文档中的高频词汇以及相关人物的重要属性（出生年份、职业、地名和机构名等），并详细阐述了信息抽取算法的设计方法与实现过程。
　　 文本聚类技术是文本挖掘技术的核心技术之一，其目标在于划分文本集合成若干个簇，并尽可能实现簇间文本的相似度低，簇内文本相似度高。本文分析了聚类过程中的关键技术：向量空间模型、特征项权重和文本相似度，为后续的聚类算法提供了实现提前。通过分析常规K-Means 聚类算法的流程，发现该算法主要不足在于需要人工选取初始簇数，因此，本文阐述了一种簇数K 自适应的K-Means算法，能够自动选取簇心，并确定最佳簇数K，避免了簇数选取的盲目性对聚类造成的严重影响,在一定程度上优化了K-Means算法。
　　 最后，针对人物分类系统中的关键技术进行了回顾与总结，并阐述了进一步优化关键技术的的相关研究工作。

目录

文摘

英文文摘

声明

1 绪论

2 系统分析

3 系统设计

4 系统实现

5 系统测试

6 总结与展望

致 谢

参考文献