Please wait a minute...
Advanced Search
现代图书情报技术  2001, Vol. 17 Issue (3): 33-35     https://doi.org/10.11925/infotech.1003-3513.2001.03.10
  信息检索技术 本期目录 | 过刊浏览 | 高级检索 |
搜索引擎的信息过滤技术
姜恩波
(中国科技大学北京研究生院 北京 100039)
The Filtering Technology of Search Engine
Jiang Enbo
(The Graduate School of USTC Peking, Beijing)
全文:
输出: BibTeX | EndNote (RIS)      
摘要 

随着网络信息数量的迅猛增长,“信息过载”、“信息超载”现象引起了人们的重视。信息过滤技术就是为了克服上述现象, 减少用户在获得信息过程中的负担, 向用户提供数量适宜、质量优良的信息。本文在略述了信息过滤技术的产生背景后, 介绍了两种比较常用的信息过滤模型——布尔逻辑模型和向量空间模型。SIFT 是一个著名的信息服务系统, 它的核心就是信息过滤技术。因此, 文章还详细地介绍了SIFT 的工作原理和其中所使用到的信息过滤技术, 并且对S IFT 的性能、特点进行了分析, 指出了它的一些不足。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 信息过滤搜索引擎网络    
Abstract

With the rapid development of the network, the exploding volume of digital information make it very difficult to use for users. Then, the researches focus on the information filtering technology which can reduce the users burden in the course of obtaining the network information. Firstly, The paper introduce two filtering model ——Boolean model and Vector Space model. After this, the paper give a detailed introduce to the famous information passive service system ——SIFT including its working princip leand filtering kernel. Finally, the paper analysis SIFT’s function and character and point out some defects in the filtering system.

Key wordsInformation filter    Search engine    Network
收稿日期: 2000-10-08      出版日期: 2001-06-25
ZTFLH: 

G354.2

 
通讯作者: 姜恩波   
作者简介: 姜恩波
引用本文:   
姜恩波. 搜索引擎的信息过滤技术[J]. 现代图书情报技术, 2001, 17(3): 33-35.
Jiang Enbo. The Filtering Technology of Search Engine. New Technology of Library and Information Service, 2001, 17(3): 33-35.
链接本文:  
http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2001.03.10      或      http://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2001/V17/I3/33

1 Tak Yan SIFT—A Tool fo rWide-Area Information Dissemination,http://citeseer.nj.nec.com/InformationRetrieval/Filtering/
2 Paul Resnick GroupLens:An Open Architecture for Collaborative Filtering of Netnews,http://citeseer.nj.nec.com/InformationRetrieval/Filtering/
3 Beerud Dilip Sheth A Learning Approach to Personalized Information Filtering ,http://citeseer.nj.nec.com/InformationRetrieval/Filtering/
4 T.Magedanz Intelligent Agents:An Emerging Technology for Next Generation.http://citeseer.nj.nec.com/InformationRetrieval/Filtering/
5 程云鹏.《线性代数》.国防工业出版社,1982年7月

[1] 席运江, 杜蝶蝶, 廖晓, 仉学红. 基于超网络的企业微博用户聚类研究及特征分析*[J]. 数据分析与知识发现, 2020, 4(8): 107-118.
[2] 盛嘉祺, 许鑫. 融合主题相似度与合著网络的学者标签扩展方法研究*[J]. 数据分析与知识发现, 2020, 4(8): 75-85.
[3] 邱尔丽,何鸿魏,易成岐,李慧颖. 基于字符级CNN技术的公共政策网民支持度研究 *[J]. 数据分析与知识发现, 2020, 4(7): 28-37.
[4] 王末,崔运鹏,陈丽,李欢. 基于深度学习的学术论文语步结构分类方法研究*[J]. 数据分析与知识发现, 2020, 4(6): 60-68.
[5] 王思迪,胡广伟,杨巳煜,施云. 基于文本分类的政府网站信箱自动转递方法研究*[J]. 数据分析与知识发现, 2020, 4(6): 51-59.
[6] 蔡永明,刘璐,王科唯. 网络虚拟学习社区重要用户与核心主题联合分析*[J]. 数据分析与知识发现, 2020, 4(6): 69-79.
[7] 刘伟江,魏海,运天鹤. 基于卷积神经网络的客户信用评估模型研究*[J]. 数据分析与知识发现, 2020, 4(6): 80-90.
[8] 张毅,杨奕,邓雯. 网络在线信任影响因素研究综述*[J]. 数据分析与知识发现, 2020, 4(5): 15-26.
[9] 李文政,顾益军,闫红丽. 基于网络贝叶斯信息准则算法的社区数量预测研究*[J]. 数据分析与知识发现, 2020, 4(4): 72-82.
[10] 闫春,刘璐. 基于改进SOM神经网络模型与RFM模型的非寿险客户细分研究*[J]. 数据分析与知识发现, 2020, 4(4): 83-90.
[11] 苏传东,黄孝喜,王荣波,谌志群,毛君钰,朱嘉莹,潘宇豪. 基于词嵌入融合和循环神经网络的中英文隐喻识别*[J]. 数据分析与知识发现, 2020, 4(4): 91-99.
[12] 邓建高,张璇,傅柱,韦庆明. 基于系统动力学的突发事件网络舆情传播研究:以“江苏响水爆炸事故”为例*[J]. 数据分析与知识发现, 2020, 4(2/3): 110-121.
[13] 梁艳平,安璐,刘静. 同类突发公共卫生事件微博话题共振研究*[J]. 数据分析与知识发现, 2020, 4(2/3): 122-133.
[14] 刘玉文,王凯. 面向地域的网络话题识别方法*[J]. 数据分析与知识发现, 2020, 4(2/3): 173-181.
[15] 徐月梅,刘韫文,蔡连侨. 基于深度融合特征的政务微博转发规模预测模型*[J]. 数据分析与知识发现, 2020, 4(2/3): 18-28.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn