元搜索引擎的个性化调度算法

元搜索引擎的调度算法是研究如何从庞杂的独立搜索引擎中选择出与查询字串相关度最高、与用户的查询需求最贴近的合适数量的独立搜索引擎。现在,在原有的元搜索引擎调度算法基础上,提出了一种个性化调度算法。该算法根据用户兴趣类对所有独立搜索引擎进行文档分类,然后根据用户查询串所属的兴趣分类,计算出查询串与该分类下文档的相关度这一调度算法的主要影响因素,再结合成员搜索引擎的平均响应时间性能评价,返回结果数量,以及以用户反馈为基础的用户兴趣度经验,计算出独立搜索引擎的排序,从而实现个性化的调度。     

基于用户反馈的搜索引擎排名算法

以Web 2.0中用户行为作为研究对象,通过发掘用户反馈方式,提出用户反馈分值的概念,对用户反馈影响搜索结果排名的具体方法以及相应实现进行研究,提出了一种基于神经网络的网页排序算法。该算法引入BP神经网络模型,根据用户反馈分值选择样本训练神经网络。将传统搜索结果输入到经过训练的神经网络进行计算,根据计算出的结果所表示的网页相关性强弱判断后进行二次排序。该算法利用了神经网络具有的模式识别能力,有效地将用户反馈和搜索引擎结合起来,使得搜索结果更加符合用户的搜索要求。     

带反馈自适应Web搜索引擎研究

Web搜索引擎是Internet上非常有用的信息检索工具,但是由于现有这些搜索引擎搜索出的结果只跟用户的搜索词条和它所采集的实际信息有关,用户对搜索结果的选择不能影响将来的搜索结果,这使得搜索引擎不能考虑大多数用户的兴趣状况.本文通过采集用户对搜索结果的访问序列来生成搜索引擎的反馈信号,以此来扩展原始查询串和影响搜索结果的生成,使得搜索引擎具有自适应能力.     

基于聚类和用户兴趣分析结合的个性化元搜索

随着Web信息的快速增长,搜索引擎已成为用户信息检索的主要工具。元搜索引擎综合了多个搜索引擎的搜索结果,提高了搜索的覆盖率,但是返回的结果往往数目庞大,并且很多结果与用户查询并不相关,这直接影响了用户检索的质量并增加了用户检索的代价。本文提出一种基于聚类的个性化元搜索引擎模型,系统通过对用户建立兴趣模型,对此模型进行聚类形成不同用户群,并对检索到的结果进行聚类处理,与用户模型聚类相结合返回给用户个性化的搜索结果。     

基于信息类别的元搜索引擎设计

随着搜索引擎技术的发展,元搜索引擎已经成为搜索引擎的一个重要的研究方向.在传统元搜索引擎中,每次查询项提交给元搜索引擎时,元搜索引擎会选择同样的成员搜索引擎、查询项预处理算法和查询结果融合算法.这种处理方法仅考虑到用户的查询项,而没有考虑到用户所需信息的类别.这篇论文介绍了一种基于信息类别的元搜索引擎,对于用户提交的相同查询     

元搜索引擎及其关键技术

元搜索引擎是建立在其他独立搜索引擎之上的搜索引擎，通过对多个成员搜索引擎的调度。然后把结果进行融合返回给用户。本文介绍了元搜索引擎的体系结构和工作流程，并重点研究了元搜索引擎的几个关键技术，包括查询转换、成员搜索引擎的调度、结果如何融合和用户反馈技术。     

元搜索引擎结果集成算法

对于元搜索引擎的集成方法有很多,但是多数只考虑到客观因素,而没有考虑到用户因素。不管生成的结果在数据上有多么好,只有用户在最靠前的位置找到自己需要结果的集成方法,才是好的算法。本篇文章介绍了一种新算法,该算法在考虑到用户所查询条目同独立搜索引擎返回结果的相关性和搜索引擎数据库的影响因子的情况下,加入了用户反馈因素。用户反馈因素的加入使得该算法产生的结果更贴近用户的需要,可以根据用户对所搜索出来的结果的关注程度来调整结果的排序,使排序的结果更加优化。     

集成搜索引擎的文本数据库选择

用户需要检索的信息往往分散存储在多个搜索多个搜索引擎各自的数据库里,对普通用户而言,访问多个搜索引擎并从返回的结果中分辨出确实有网页是一件费时费力的工作,集成搜索引擎则可以提供给用户一个同时记问多个搜索引擎人集成环境,集成搜索引擎能将其接收到的用户查询提交给底层的多个搜索引擎进行搜索,作为一种搜索工具,集成搜索引擎具有如WEB查询覆盖面比传统引擎更大,引警有更好的可扩展性等优点,讨论了解决集成搜索引擎的数据库选择问题的多种技术,针对用户提交的查询要求,通过数据库选择可以选定最有可能返回有用信息的底层搜索引擎。     

一种元搜索主题偏好的排序算法

元搜索引擎并行地向各个成员搜索引擎发出请求,合并及处理所有成员引擎的返回结果。相对于传统搜索引擎,元搜索引擎具有更好的查全率但在结果相关度排序及查准率方面仍需要改善。就相关度排序及查准率方面的问题元搜索成员引擎对于各个不同主题具有不同的检索质量并就此提出一种基于主题偏好的排序方法。利用Beeferman聚类方法对检索主题划分,通过Borda排序算法对元搜索引擎获得条目进行基于主题的分类排序,以此来提高元搜索查询质量和改善用户体验。     

IT新语林

元搜索引擎(Metasearch Engine)是一种引擎,它将用户的请求发送到若干个其他独立的搜索引擎,并从每一个搜索引擎返回结果。这种搜索引擎方便用户仅输入一次查询条件就能同时访问几个搜索引擎。由于任何一个搜索引擎都不能对整个Web网进行编目,其思想是通过搜索多个搜索引擎,仅单击一次就能用较少的时间搜索更大范围的网络空间。使用方便和发现所需网页概率高的特点使得元搜索引擎受到那些希望搜索引擎能剔除不相干的“匹配”结果的人的欢迎。     

基于用户兴趣的搜索结果动态聚类算法

目前搜索引擎返回的结果往往比较多,而且各类文档混合在一起,没有针对性,使用者仍然需要花费大量时间来寻找自己感兴趣的文档。提出了一种对搜索结果动态聚类算法,利用用户的兴趣特点,从搜索结果的文档中抽取摘要,利用这种摘要随着用户的浏览进程进行动态聚类,将这些文档聚成不同类别。用户只需要找出自己感兴趣类别,便可以得到足够多感兴趣的文档。实验证明,这种方法是有效的,并具有抗噪声等良好性能。     

基于用户行为分析的校园网搜索引擎排序方法

为提高校园网搜索引擎的查准率,提出一种新的校园网搜索引擎排序方法。该方法基于用户查询主题、用户浏览时间和页面点击等用户行为特征,计算新的页面相关度得分,改进搜索引擎的排序结果,为用户提供更准确的查询服务。实验结果表明,在不降低查全率的情况下,应用该排序方法的查准率有明显提高。     

多搜索引擎权重计算及搜索结果排序质量评估

搜索引擎在多成员搜索引擎搜索结果的整合过程中,搜索结果的排序在很大程度上决定着元搜索引擎的服务质量。为了实现搜索结果的有效整合,目前技术主要结合查询请求、文档内容、初始排序或（和）赋予搜索成员搜索引擎权重等因素。其中采用赋予搜索引擎权重时,往往根据用户和技术人员经验,主观地进行赋值,不能体现真实的用户搜索偏好。为此,提出了通过挖掘用户搜索及遍历情况,动态地赋予各成员搜索引擎权重的方法。通过用户遍历及点击下载情况,得到了用户搜索遍历与返回结果的匹配度,论证了该方法的可行性和有效性。     

基于用户反馈的个性化搜索引擎的研究

现有搜索引擎基本上采用＂搜索适用所有用户＂的模型,体现不出用户真正的兴趣所在。针对当前搜索引擎的不足,本文提出并研究一个基于用户反馈的个性化搜索引擎系统。通过学习用户满意度反馈信息,挖掘隐藏的用户兴趣信息,实现搜索引擎的个性化。     

用户搜索体验质量及搜索结果排序

搜索引擎的索引库内容更新存在一定周期,目前在提供Web页面搜索服务时,搜索结果的排序没有考虑其索引资源的实时质量特征,难以满足用户搜索的多层次要求。提出了用户搜索体验质量模型,并把该模型应用于开源搜索引擎Nutch中。在提供搜索服务时,Nutch结合影响搜索体验质量的因素实现搜索结果的排序。实验给出了用户搜索体验质量变化情况,反应了这些因素对于搜索结果排序及用户搜索体验质量的重要性。该实验为下一步提升用户搜索体验质量,减少搜索引擎及网络传输能耗,进而实现搜索服务整体优化工作奠定了基础。     

K-FTP搜索引擎的核心技术

传统FTP搜索引擎对检索结果优化程度不够,会降低检索质量。在FTP用户查询日志的统计分析基础上,采用双字节倒排索引、检索结果自动分类以及查询自动纠错等技术设计了一种高性能的智能化FTP搜索引擎。试验表明该方案能够有效地提高FTP文件检索效率与质量,平均检索响应时间低于500 ms,检索准确率为92.5%。     

基于点击日志的搜索引擎用户满意度评价研究

针对传统的搜索引擎人工评价方法效率低、成本大的问题,提出一种利用用户点击日志来评价搜索引擎用户满意度的方法。通过分析搜索引擎的用户点击日志,选择网页搜索结果排名、网页点击率、网页平均浏览时间作为用户满意度特征,分别运用多元线性回归分析、多元对数回归分析和BP神经网络方法,建立了基于用户点击日志的搜索引擎用户满意度评价模型。结合具体的实验数据集,通过实验对线性回归模型、对数回归模型和BP神经网络模型的结果进行了比较与分析,验证了模型的有效性。     

企业搜索引擎个性化排序方法

针对传统搜索引擎“面向检索”而非“面向用户”的缺点, 将个性化服务思想引入到企业搜索引擎排序中, 对其关键技术即用户兴趣建模进行了研究, 将模型用于查询扩展及排序中, 并为企业搜索引擎设计基于用户兴趣的个性化排序方法, 能为不同用户的同一检索请求提供不同的检索结果列表. 通过将研究用于油田企业搜索引擎的实验证明, 本研究能有效地提高企业搜索引擎检索精确度及满足用户的个性化检索需求, 并具有较好的自适应能力.     

个性化元搜索关键技术的研究

元搜索引擎是搜索引擎之上的搜索引擎,它主要通过成员搜索引擎调度、文本选择、结果整合三个主要步骤来为用户提供更加全面的信息。本文通过对元搜索引擎关键技术的研究,在成员调度、结果整合时考虑用户兴趣,使得选择的成员搜索引擎、搜索结果更加符合用户的需求,从而实现元搜索的个性化,在一定程度上提高了元搜索引擎的查准率和效率。     

一种个性化查询扩展方法

针对当前主流web搜索引擎存在信息检索个性化效果差和信息检索的精确率低等缺点, 通过对已有方法的技术改进, 介绍了一种基于用户历史兴趣网页和历史查询词相结合的个性化查询扩展方法。当用户在搜索引擎上输入查询词时,能根据学习到的当前用户兴趣模型动态判定用户潜在兴趣和计算词间相关度,并将恰当的扩展查询词组提交给搜索引擎,从而实现不同用户输入同一查询词能返回不同检索结果的目的。实验验证了算法的有效性,检索精确率也比原方法有明显提高。