一种针对海量数据中查询词的搜索维度挖掘方法
文献类型：专利
发明人：窦志成[1]
机构：中国人民大学
申请人：中国人民大学
专利类型：发明专利
年度：2015
专利申请日期：2015-12-07
专利公开日期：2016-04-27
专利公开号：CN105528421A
专利申请号：CN201510890422.5
国家或地区：北京
摘要：本发明公开了一种针对海量数据中查询词的搜索维度挖掘方法，其该方法包括如下步骤：1)基于文本、HTML标签和重复区域等模式，从抓取到的数据集中的每一个网页中抽取Lists；2)增加抽取机制，以实现对步骤1)中抽取到的Lists进行有效性扩充；3)评估抽取出来的每一个List的重要性；4)词项列表聚类：将相似的词项列表进行合并形成一个查询维度；5)查询维度及词项列表的排序：计算不同的查询分面、词项的重要性。本发明可以获得更多有效的词项列表，在得到补充后的词项列表之后，对新的词项列表进行打分，将相似的词项列表进行合并分类，计算不同的查询分面、词项列表的重要性，最终使得挖掘出的查询维度更加完善，使得用户可以获得更为完整的信息。
作者其他论文
Shared-nothing并行数据库系统查询优化技术.文继荣;陈红;王珊.计算机学报.2000,23(1),28-38.
并行数据库系统PBASE/2的查询优化机制.陈红;文继荣;王珊.计算机工程.2000,26(7),11-12,187.
高适应性并行数据库系统PBASE的总体结构与关键技术.王珊;陈红;文继荣,等.863计划智能计算机主题学术会议.2001,226-241.
嵌套查询在并行数据库中的实现.周胜;文继荣;王珊.第十五届全国数据库学术会议.1998,274-277.
大数据时代的互联网分析引擎.窦志成;文继荣.大数据.2015,36-47.
