蒋招龙，赵泽茂

(1.杭州电子科技大学通信工程学院，浙江 杭州 310018；

2.丽水学院工程与设计学院，浙江 丽水 32300)

摘要：大数据时代的到来，数据格式呈现多样化，对Web数据的处理不仅仅局限在网页链接上，还需要处理无链接结构的文档。如何从海量的文档中获取所需的信息是搜索引擎亟待解决的问题，目前传统的根据索引分析并不能满足这一需求。为了从数百万个结果中选取价值最高的文档子集，提出了新的DocumentRank算法，通过构建衡量文档重要性矩阵来计算查询相关度得分对文档进行排序。最后通过对互联网文档数据集搜索的实验说明，DocumentRank算法相比Lucene索引技术提高了文档检索的精确度和综合相关度。

关键词：信息检索；PageRank算法；DocumentRank算法；链接结构 在实验中，本文输入相应的来搜索相关的文档，相应的阙值ε值设置为0.000 000 1并且衰减因子为设置为0.9。在测试实验中，本文关注的是相关度得分排名前5的文档。基于Lucene索引技术和本文算法的实验结果如表2所示。

互联网信息具有分散、无序、海量等特点，如何从浩瀚的信息资源中快速、有效、准确地找到所需信息是一个具有挑战性的研究课题[1]。因此，学术界和工业界对信息检索掀起了新的研究高潮[2-3]，相继形成了诸多排序算法模型。文献[4]提出了基于链接分析的PageRank排序算法，文献[5]提出了基于查询需求的查询聚类模型对文档进行排序。文献[6]对用户相关反馈排序算法进行了研究。在文献[7-8]中，对获取相关网页文档方法进行了研究。……