搜索引擎优化毕业论文(,如何更好地理解中文网页信息、改进搜索关键词与网页的相关性)

　　搜索引擎优化毕业论文(,如何更好地理解中文网页信息、改进搜索关键词与网页的相关性)

　　[摘要] 随着互联网的飞速发展和网络信息的迅速增加，人们越来越依赖搜索引擎在互联网上获取有用的信息。目前，繁体中文搜索引擎系统一般采用关键词匹配方式，没有解决关键词与网页的关联。同时，生成搜索推荐词的方法往往只是在用户搜索关键词添加前缀和后缀字符串作为对应的推荐词，没有达到语义理解的水平，不能很好的体现用户的真实意图，智能程度低。因此，如何更好地了解中文网页信息，提高搜索关键词与网页的相关性，并提供基于语义关联的搜索推荐词已成为新一代智能中文搜索引擎系统急需解决的几个核心问题。本文对智能中文搜索引擎系统中的几项关键技术进行了深入研究，其研究内容主要包括以下几点： 1) 设计一种trie树高效字典组织结构。中文分词过程分为两个阶段。在第一阶段，bigram 模型在一定的规则下使用。第二阶段采用基于词的最大前向匹配算法。最后将这两个阶段的结果结合起来，解决了中文分词一直存在的歧义问题，如消除歧义的困难和识别新词的困难。实验结果表明，词典模块实现了更快的分词速度和更高的分词准确率，为高质量概念词的生成和后续网页处理提供了前提；2)给出了一种基于语义的联想搜索推荐词生成方法，该方法基于概念簇的思想，可以有效引导用户进行搜索。区别于传统搜索引擎系统的搜索推荐词生成方法，扩展了搜索的深度和外延；提出了一种新方法。该算法基于系统的概念簇和关键词的网页的RANK值（权重值），更能体现用户搜索关键词与网页的相关性；同时，利用“同义词”“词林”中文语料库优化用户查询，实现同义词或相似词的提示功能，丰富用户的搜索体验，从而提高搜索引擎系统的智能化；3)设计了一个智能中文搜索引擎系统的总体框架，给出了具体的实施方案，