随着搜索引擎应用的不断深入，用户的个性化请求越来越多，对搜索结果的需求也在不断增长。
精度垂直域信息的搜索和推荐目前正处于研究领域。现的问题科学研究是研究人员非常关注的一种信息。了提供更有效和准确的科学信息，本文将采用半监督分类方法进行自动分类。学研究信息，用于搜索引擎系统的动态科学研究和动态信息的实现。据用户的需要进行搜索和准确按压，并通过实例检查分类方法的有效性。键词：文本分类;半监督学习;搜索引擎; G254文献标识码：科学研究中图分类号动态的DOI：10.3969 / j.issn.1003-8256.2016.02.006引言随着电子信息技术的飞速发展，信息化办公已经成为主要的作为当今政府，科研机构，企业和机构的一种形式，互联网已成为主要的信息渠道，搜索引擎已成为员工的日常工具。
用的搜索引擎包括百度，谷歌，必应，雅虎和其他横向搜索引擎。索信息涵盖范围广泛，包含大量可满足各种用户一般需求的信息。而，尽管通用搜索引擎提供了丰富的信息，但它也带来了一些问题，例如结果不准确和效率低[1]。着搜索引擎应用的不断深入，用户的个性化请求越来越多，对搜索结果的需求也在不断增加。
此，特定域的垂直搜索引擎一直是持续关注的主题，垂直搜索引擎在网页库和子字段中包含某些类型的特殊信息。南提取处理所需的数据，并以允许用户执行更“专业，准确和彻底”搜索的形式将其返回给用户。此，已经创建了许多搜索引擎，例如商店，旅游，汽车，工作，房地产和交友网站[2]。直搜索的行业应用正在变得越来越分散，需求也在增加。术研究机构特别关注科学研究的动态信息，包括各级政府部门发布的科研政策和项目负责人发布的项目指南。解这一点非常重要在适当的时候，科学研究的各种动态对应于研究人员声明的成功。学研究人员关注的网站有数十个（如果不是数百个）。个网站都需要咨询一次，这需要花费很多时间。
了便于快速方便地访问研究人员的科研信息，我们创建了一个动态搜索引擎，并且可以实现。索并推送科研信息。
学研究的动态信息种类很多，其内容也各不相同：为了获得准确的信息，文本分类方法对于输入的信息进行自动分类是必要的。
精度文本分类模型通常需要大量的注释样本，并且通常需要通过手动注释来实现大量样本样本。需要花费大量时间并且通常很难获得大量的学习样本[3]。
4]。有一些关于文本分类的研究工作，使用少量标记样本，主要基于半监督学习的分类方法[5，6]。
文将采用半监督分类方法对科研动态信息进行自动分类，以获得科学研究动态信息的准确信息。研单位动态搜索引擎系统科研单位必须关注技术项目指南，技术奖励申报，科技活动信息等大量动态信息。为了使用网络浏览技术自动收集相关信息，通过网站上相关信息的直接Web Exploration设置;网页信息通常是半结构化信息，通过分析网页结构，提取网页的主要内容，使用NoSql Hbase数据库分发执行分布式存储大量捕获的网页信息;技术，包括中文分词，特征提取，索引和其他技术，
宁波网站优化用于快速检索和检索网页信息;基于提取的文本特征信息，利用Web内容并分析其分类，搜索推荐和其他功能;推送邮件的形式为研究人员提供服务。
态搜索引擎科研系统的结构如图所示。文主要研究搜索引擎中Web内容的自动分类方法，并对科研动态信息进行自动分类。例分析数据来源满足山东省计算机科学研究部门的一般需求：科技部动态搜索引擎科研系统，工业和信息化部，国家自然科学基金和山东改革。
济南市科技局，济南市经济和信息化委员会等40多个网站的意见中收集了30，000多个数据元素。据用户对科学研究动态信息的不同需求，探索信息分为三类：政策，新闻和项目申报。用本文提出的半监督分类方法，对所收集的信息进行分类和建模，生成动态科技信息自动分类模型，自动分类，共计1000个类别和3000个样本的手工标注。
近拍摄的动态科技信息。字处理首先，使用中国科学院的ICTCLAS分析工具，对收集的30，000个样本进行分段，分别对标题和正文进行分段，以生成参与矢量8912和15032的大小。据等式（4）计算每个文档的每个标题和正文分词的TF-IDF值，并生成标题和全文文档向量。据单词贡献度计算公式（9），为每个标题和全文向量计算单词贡献度，并且单词分词选择具有最大贡献的300和500个元素作为选择用于文本分类的功能。档分类使用500字分割特征向量，基于3，000个标记样本（包括支持向量机，KNN和贝叶斯网络）形成基于标题的文档分类模型选择，形成全文文档分类模型，包括支持向量机，KNN和贝叶斯网络。于所生成的六种分类模型，使用第3节中提出的半监督分类方法，剩余的27，000个未识别的样本用于形成分类模型，并且未识别的样本被自动分类以生成动态自动分类模型。
动分类新的分析信息。未经鉴定的样本中，选择1000个进行人工验证，正确的分类率达到85.4％，可满足实际应用的需要。
论行业的垂直搜索引擎有望在各个领域得到越来越多的需求，对信息获取的准确性和有效性的要求也越来越重要。获得更多信息有效，准确，人工智能技术应用于研究。动机系统已成为必然。
管在该领域进行了许多研究工作，但由于垂直搜索引擎的过度需求，对许多应用领域的需求尚未得到解决。文将半监督学习的分类方法应用于垂直搜索引擎动态搜索系统，解决了从不同用户请求不同信息的问题，并提供了结果。人满意。需要进一步研究的科学研究领域仍存在许多问题，我们期望结合更多的人工智能技术来提高系统性能。
本文转载自
宁波网站优化www.leseo.net
补充词条：
宁波网站seo优化
宁波seo推广公司
宁波seo排名
宁波网站排名优化
宁波seo哪家好
