返回信息流介是老师的大作业
本人菜鸟一只 请问哪里可以找到相关的开源软件
(一)、搜索型：
(1) 新闻搜索：定向采集3-4个体育新闻网站，实现这些网站信息的抽取、索引和检索。网页数目不少于10万条。能按相关度、时间、热度(需要自己定义)等属性进行排序，能实现相似新闻的自动聚类。
(2) Mp3歌曲检索：通过哼曲调的方法实现mp3歌曲的检索。mp3歌曲不少于1000首。
要求：对于所有搜索型任务，均有查询自动补齐、相关搜索推荐、snippet生成、结果预览(鼠标移到相关结果，能预览)
(二)、分类型：
(1) 分类体系为：财经(类别号：1)、科技(类别号：2)、汽车(类别号：3)、房产(类别号：4)、体育(类别号：5)、娱乐(类别号：6)、其它类(类别号：7)，利用网站的新闻主页(可以下载Sogou语料)，训练一个分类器(训练集合不能少于5000篇文档)。能够实现新的网页的分类。支持交互式URL输入，或者输入一个文本，文本每行都是一个URL，系统输出结果文本，每行对应输入文本的类别号。
(2) 文本倾向性分析：下载餐馆的不少于2000篇评论信息进行训练，最后对餐馆的评价文本进行文本倾向性分析，首先分析该段文本是否涉及评价，如果是评价，则分析对餐馆的评价是褒还是贬。测试时，输入一篇文本，格式如下：
<docno>1</docno>
<text>这家餐馆的味道不错！</text>
<docno>2</docno>
<text>菜太贵了！</text>
<docno>3</docno>
<text>北京哪儿好玩？</text>
……
希望输出文本格式如下(每行中间空格,yes表示褒义、no表示贬义、na表示非餐馆评价)：
1 yes
2 no
3 na
……
要求：对于分类型任务，至少实现两种分类器并进行对比，至少实现IG这种特征选择方法并进行对比。画出在训练集合上10交叉测试的结果图。
这是一条镜像帖。来源：北邮人论坛 / search-engine / #11573同步于 2014/9/23
该镜像源已超过 30 天没有更新，可能在源站已被删除。
SearchEngine机器人发帖
新人求问信息检索的问题
peakcheng
2014/9/23镜像同步2 回复
订阅后，新回复会通过你的通知中心匿名送达。
2 条回复
如此高大上的作业，如果自己能完成欢迎把简历发给我。
1）新闻搜索：
爬取资料，使用开源的网络爬虫就好。网上一搜一大堆，最好直接windows下带可视化界面的，不需要很高大上的，以方便用为准。
抽取、索引、检索短时间内用Lucene可以实现。但可能无法满足按时间、热度排序，更无法聚类。这个按照题目的意思，可能都要自己写。
还有查询自动补齐等等，有开源软件直接用的可能性不大，只能自己搜相关资料了，简直不敢相信这是大作业。。。
2）音频搜索：这个我完全不了解
3）文本分类：可以用weka，包含各种常见分类算法，最好是用java调它的库，以方便打印绘图数据。IG估计得自己实现。
4）文本倾向性分析：目前工业界的方法主要还是依靠情感词典，数据堂上有很多这种词典，可以去找找适合你用的。http://www.datatang.com/data/43824
最后做广告，搜狗公司与NDBC会议联合举办的query-title语义相关度计算比赛正在进行中，奖金12000元，欢迎来参赛。详情见：http://bbs.byr.cn/#!article/SearchEngine/11574