球速新闻

　　哈尔滨Ｔ 样人学硕十学何论文摘要随着Ｗ ｅｂ 信息的急剧增加， 新闻媒体如何准确、 快速有效地从海量Ｗ ｅｂ信息中获取宣传报道所需信息， 已成为急待解决的问题。 通用搜索引擎的局限性， 决定了试图索引全部Ｗ ｅ ｂ 来完成涉及主题的查询请求的回答能力越来越有限， 导致搜索结果重复文本多、 缺少权威性和可靠性。 针对这种矛盾， 新闻搜索分析平台正是在这个前提下提出的。新闻搜索分析平台是基于Ｂ ／Ｓ 架构， 采用． Ｎ Ｅ Ｔ 框架， 依托Ｈ ｔｔｐ Ｆ ｅｔｃｈ 搜索技术所构建的系统， 最终使其具有网络新闻自动抓取、 新闻分类、 新闻动态跟踪、 报纸对比、 新闻热点分析等功能。 本系统主要是由搜索代理、 查询...

　　哈尔滨Ｔ 样人学硕十学何论文摘要随着Ｗ ｅｂ 信息的急剧增加， 新闻媒体如何准确、 快速有效地从海量Ｗ ｅｂ信息中获取宣传报道所需信息， 已成为急待解决的问题。 通用搜索引擎的局限性， 决定了试图索引全部Ｗ ｅ ｂ 来完成涉及主题的查询请求的回答能力越来越有限， 导致搜索结果重复文本多、 缺少权威性和可靠性。 针对这种矛盾， 新闻搜索分析平台正是在这个前提下提出的。新闻搜索分析平台是基于Ｂ ／Ｓ 架构， 采用． Ｎ Ｅ Ｔ 框架， 依托Ｈ ｔｔｐ Ｆ ｅｔｃｈ 搜索技术所构建的系统， 最终使其具有网络新闻自动抓取、 新闻分类、 新闻动态跟踪、 报纸对比、 新闻热点分析等功能。 本系统主要是由搜索代理、 查询代理、 关键算法三部分组成； 其支持的后台数据库由网页数据库、 搜索规则数据库、 索引数据库、 关键词数据库组成。本系统通过只抓取具有权威性和可靠性的网站新闻， 来提高搜索新闻的权威性和可靠性； 通过研究的关键技术， 包含有网页去噪算法、 基于新闻主题要素的新闻关键词抽取技术和文本去重算法等， 来提高搜索引擎的搜索精度， 减少数据存储空间， 减轻用户浏览负担， 最终保证搜索的新闻文本能够实现自动准确地清除重复文本。本文所构建的系统经过测试表明， 它在多用户使用情况下可以做到稳定运行， 充分满足新闻单位编采人员的工作需要。关键词： 搜索引擎； 网页去噪； 关键词抽取； 文本去重