智能检索引擎中的网络数据挖掘技术优化研究
DOI:
CSTR:
作者:
作者单位:

新疆轻工职业技术学院 信息与软件分院,新疆轻工职业技术学院 信息与软件分院,新疆轻工职业技术学院 信息与软件分院

作者简介:

通讯作者:

中图分类号:

TP18

基金项目:


Research on Optimization of network data mining technology in intelligent retrieval engine
Author:
Affiliation:

Department of Information and Software,Xinjiang Institute of Light industry Technology,Department of Information and Software,Xinjiang Institute of Light industry Technology,Department of Information and Software,Xinjiang Institute of Light industry Technology

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    随着计算机网络技术的不断发展,对于Web Service检索技术的要求也越来越大。并且现在网络环境当中数据信息流量十分庞大,对于信息可以做到深入搜索,实现全方位信息查询是非常有必要的。为此,利用网络数据挖掘技术在智能检索引擎中的应用,以文本描述为信息作为本文的研究对象,为用户提供运用查询要求实现概念检索功能。其中强调在智能搜索引擎当中的网络数据挖掘技术进行优化研究,从结构设计以及算法分析上总结出当前网络数据挖掘应用智能检索的可能性。最终设计出一种利用数据挖掘技术的智能检索模型,实现在众多网络数据中可以准确快速的进行详细的信息检索功能。

    Abstract:

    With the development of computer network technology, the requirement of Web Service retrieval technology is getting larger and larger. And now the network environment where data traffic is very large, for information can be done in-depth search to achieve full range of information inquiries is very necessary. This paper uses the network data mining technology in the application of intelligent retrieval engine, taking text description as the research object of this paper. It emphasizes the optimization of the network data mining technology in the intelligent search engine, and summarizes the possibility of the current network data mining application intelligent retrieval from the structural design and algorithm analysis. Finally, a UDDI Registry intelligent retrieval model based on data mining is designed. In many network data can accurately and quickly carry out detailed information retrieval function.

    参考文献
    相似文献
    引证文献
引用本文

崔道江,陈琳,李勇.智能检索引擎中的网络数据挖掘技术优化研究计算机测量与控制[J].,2017,25(6):39.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2016-12-22
  • 最后修改日期:2017-01-09
  • 录用日期:2017-01-09
  • 在线发布日期: 2017-07-18
  • 出版日期:
文章二维码