文献全文检索和作者关系挖掘系统设计与实现

《文献全文检索和作者关系挖掘系统设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、北京大学本科毕业论文北京大学本科毕业论文导师评阅表学号00448173学生姓名左丹论文成绩学院（系）信息科学与技术学院专业计算机系统结构导师姓名闫宏飞导师单位计算机系职称副教授文献全文检索和作者关系挖掘系统设计与实现论文题目LiteratureFull-TextSearchandAuthorRelationshipMining（中、英文）SystemDesignandImplementation导师评语（包含对论文的性质、难度、分量、综合训练等是否符合培养目标的目的等评价）左丹同学的毕业设计是生物信

2、息学网络计算应用系统的预备工作。论文选取2001~07年度的WWW会议论文作为研究样本，在格式转换和建立全文检索的基础上，设计算法提取文献的各组成部分，然后分别进行挖掘和评测。主要工作包括：1）研究lucene索引机制的基础上建立全文检索，并进一步分析其效率和改进方向。2）完成PDF文档内容的提取和人工勘查，在前一阶段提出的改进基础上对文本内容中的作者信息进行高精度的提取，并对作者姓名进行进一步分析和得出一些与WWW会议有关的结论。3）归纳分析了当前的主流相关性算法，自行实现对文本集合建立模型和进行

3、相关性计算，最后实现对查询领域的相关度排名机制并与lucene的score机制进行比较和分析。毕设期间，左丹同学工作努力，态度积极，表现出一定的自主研发能力和动手能力。导师签名：2000年5月31日-1-北京大学本科毕业论文本科生毕业论文题目：(中文)文献全文检索和作者关系挖掘系统设计与实现(英文)LiteratureFull-TextSearchandAuthorRelationshipMiningSystemDesignandImplementation姓名：左丹学号：00448173院系：信息

4、科学与技术学院专业：计算机系统结构指导教师：闫宏飞二○○八年六月四日-2-北京大学本科毕业论文摘要在这个信息时代中，Web内容日益丰富，越来越多的文献资料被公布出来，其格式尤以pdf居多。面对如此庞杂的文献海洋，如何将这些分散无序的文献信息进行加工、组织和分析，以求有效的获取和利用信息源，已成为一个重要课题而日益得到重视。文献检索应该包含哪些内容，如何评估一个文献检索系统的好坏，如何利用文献检索来辅助我们的研究工作，以及提供甚至预示研究思路和方法，目前还少有相关资料提及。在本文中，笔者选取01~07

5、年度的WWW会议论文作为研究样本，在格式转换和建立全文检索的基础上，设计算法提取文献的各组成部分，然后分别进行挖掘和评测，主要工作包括：（一）在深入研究lucene索引机制的基础上建立全文检索，并进一步分析其效率和可能的改进方向；（二）完成PDF文档内容的提取和人工勘查，在前一阶段提出的改进基础上对文本内容中的作者信息进行高精度的提取，利用提取结果为搜索引擎添加按照作者姓名检索的功能；并对作者姓名进行进一步分析和得出一些与WWW会议有关的结论：WWW会议作者分为欧美和亚洲两个较大的合作团，欧美团的核

6、心作者为CaroleGoble，亚洲团的核心作者为Wei-YingMa，以及二团间关系分析等等；（三）归纳分析了当前的主流相关性算法，自行设计算法实现对文本集合建立模型和进行相关性计算，最后实现查询关键词领域的相关度排名机制并与lucene的score机制以及自行实现的Okapi2500算法进行比较和分析。关键词：Lucene作者提取分析相关性算法文件向量-3-北京大学本科毕业论文AbstractInthisageofinformation,Webcontentisbecomingricher,mo

7、reandmoreinformationwasreleasedbytheformofliterature,especiallyinpdfformatmajority.Facingsuchamixedoceanofliterature,howtoprocess,organizeandanalyzethesescatteredanddisorderlyliteratureinformation,toaccesstoanduseinformationsourceseffectively,hasbecome

8、anincreasinglyimportantissueandreceivegreatattention.Whatshouldbeincludediniteraturesearch,howtoassessadocumentretrievalsystemisgoodorbad,howtouseliteraturesearchtosupportourresearchwork,andevenprovideideasandmethodsofresearchindicates,