"这篇硕士学位论文来自上海交通大学,由丁宬杰撰写,导师为吴亚栋,主题聚焦于搜索引擎技术,特别是元搜索引擎和文本聚类的研究与实现。论文探讨了随着互联网信息量的增长,传统检索技术面临的挑战,以及如何通过集成文本聚类功能提升搜索引擎的效果。作者提出了改进检索质量和效率的策略,包括基于潜在语义的模糊聚类算法和基于后缀数组的关键短语发现算法,还设计并实现了一个结合元搜索和聚类功能的信息检索平台,以提升用户满意度和检索准确性。关键词包括Web挖掘、元搜索引擎、自动文本分类和信息聚类。"
这篇论文详细阐述了以下几个重要的IT知识点:
1. **信息检索(Information Retrieval, IR)**:IR是提取相关文档和信息的过程,随着Web的发展,信息检索的对象从结构化转向半结构化和无结构化。
2. **元搜索引擎**:元搜索引擎是一种整合多个独立搜索引擎的结果,提供更全面和多样化的搜索体验。它们通过集成不同引擎的搜索结果,帮助用户快速定位所需信息。
3. **文本聚类**:这是一种信息组织方法,将相似的文档分组在一起,便于用户浏览和理解大量搜索结果。论文提出了基于潜在语义的模糊聚类算法,通过奇异值分解技术来发现文档集合中的抽象概念,减少噪声影响,提高计算效率和系统准确性。
4. **关键短语发现**:基于后缀数组的关键短语发现算法用于识别文档的特征,为聚类提供描述信息,有助于构建更有意义的分类。
5. **搜索引擎优化**:论文提出的方法旨在增强数据检索的实时性和准确性,通过聚类技术改善用户界面,提升用户满意度。
6. **Web挖掘**:这是一种从Web数据中提取有价值信息的技术,包括结构化、半结构化和非结构化数据的挖掘。
7. **自动文本分类**:这是文本聚类的一种,自动将文本根据其内容分类,无需人工干预,是信息管理和检索的重要工具。
8. **信息聚类处理**:论文涵盖了这一过程,强调了其在改善搜索引擎性能和提升用户体验上的作用。
通过这些技术,论文实现了对搜索引擎技术的创新改进,不仅提升了搜索结果的质量,还优化了用户的搜索体验,为现代信息检索领域提供了有价值的贡献。