基于Lucence的个性化搜索引擎研究

针对通用搜索技术难以满足不同背景、不同目的和不同时期的用户查询请求的缺陷,提出一种基于Lucence实现用户兴趣驱动的个性化搜索引擎方法。从Cookie文件分析用户搜索兴趣,构造用户兴趣向量,驱动搜索引擎,产生用户关注度高的搜索结果。实验结果表明,该用户兴趣驱动的个性化搜索引擎能够搜索出用户感兴趣的搜索结果,与传统搜索引擎相比,检索准确率有一定的提高。     

个性化搜索引擎系统机制的研究

随着网络信息资源的迅速增加,个性化信息服务越来越成为信息检索领域中研究的热点,针对传统搜索引擎系统的缺点,提出了一种新型个性化搜索引擎系统的体系结构,并在此基础上给出了系统中个性化机制的相关算法,同时使用基于关键词的搜索,利用Web挖掘技术,在实现为不同用户提供不同检索结果的同时提高了个性化查询的精确度和速度,保证了全查率.     

基于用户行为模型的搜索引擎

针对目前大部分搜索引擎不能精确识别使用不同查询词而期望获得不同查询结果的情况,该文提出一种基于用户行为模型的搜索引擎的思想,论述其原型系统SEB实现过程和关键技术,其中的行为模型结合人类行为学相关理论对用户访问行为进行分类和表示,对搜索结果进行了处理,实现了个性化搜索。实验表明,经SEB原型系统处理的搜索结果更加符合用户需求。     

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。     

带有聚类功能的个性化元搜索引擎的设计

随着英特网上信息量的迅速增长,用户想要从中找到感兴趣的信息变得越来越困难,传统的搜索引擎不能很好地解决这个问题。因此本文提出了一种带有聚类功能的个性化元搜索引擎,系统通过用户注册获得用户数据并对所有的用户进行聚类形成不同用户群病产生用户模式,搜索引擎调度模块通过用户模式来选择适合的搜索引擎进行调度得到个性化的搜索结果,再将检索到的结果进行聚类处理,返回给用户个性化的搜索结果。分析了带有聚类功能的个性化元搜索引擎的系统构成,详细介绍了每个模块的功能,最后展望了它的发展前景。     

带有聚类功能的个性化元搜索引擎的设计

随着英特网上信息量的迅速增长,用户想要从中找到感兴趣的信息变得越来越困难,传统的搜索引擎不能很好地解决这个问题。因此本文提出了一种带有聚类功能的个性化元搜索引擎,系统通过用户注册获得用户数据并对所有的用户进行聚类形成不同用户群病产生用户模式,搜索引擎调度模块通过用户模式来选择适合的搜索引擎进行调度得到个性化的搜索结果,再将检索到的结果进行聚类处理,返回给用户个性化的搜索结果。分析了带有聚类功能的个性化元搜索引擎的系统构成,详细介绍了每个模块的功能,最后展望了它的发展前景。     

一个基于搜索结果的个性化推荐系统

搜索引擎返回的结果太多且不能根据用户的兴趣提供检索结果是当前较受关注的问题。把用户兴趣模型和STC聚类算法相结合,提出了改进的STC算法,并提出个性化推荐的策略和兴趣描述更新的方法,实现了一个基于搜索结果的个性化推荐系统(SRPRS)。SRPRS基于改进的STC算法自动组织搜索结果,帮助用户利用主题的方式发现所需的资源。通过实验,分析了SRPRS系统的聚类特性和时间特性。针对搜索引擎的列表显示结果,SRPRS系统在快速查找用户感兴趣的文档上有较好的性能。     

基于聚类的个性化元搜索引擎设计

Internet上信息资源的飞速膨胀造成用户在进行信息检索时的不便,传统的搜索引擎不能很好地解决这个问题。因此提出了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个人模型,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,同用户模型聚类相结合返回给用户个性化的搜索结果。分析了个性化元搜索引擎的系统构成,详细介绍了每个模块的功能,最后展望了它的发展前景。     

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SSPISIA数据收集的个人兴趣增量挖掘算法*

为提高搜索引擎的个性化信息检索能力,通过构建个人兴趣搜索智能agent子系统SSPISIA来搜集、组织、挖掘和应用用户的个人兴趣信息。着重介绍了SSPISIA的实现,包括逻辑组成、学习方式、工作过程以及基于页面浏览时间和内容选择的个人兴趣度量规则,并在此基础上给出了基于SSPISIA数据收集的个人兴趣增量挖掘算法。实验表明该结构和算法不仅能够反映用户的长期兴趣,而且能够跟踪用户的短期兴趣变化,具有良好的适应性,进而为实现搜索引擎的个性化信息检索奠定了基础。     

个性化的社会标签查询扩展技术研究

随着互联网上的信息日益增长,个性化的搜索需求越来越迫切,由于用户兴趣的不同和行为的差异,如何为不同的用户提供不同的检索结果成为一个具有挑战性的问题。首先对现有搜索引擎的个性化信息检索和查询扩展技术进行了分类总结,分析了它们各自的优缺点。然后提出了基于社会化标签的个性化查询词扩展方法。这些方法通过从用户所收藏的社会化标签或标签所对应的网页中提取出和用户查询词相关的词,来对用户的初始查询进行扩展。最后利用Delicious网站上的用户数据,对比研究了这几种个性化查询扩展算法。通过与Google进行对比分析实验,结果表明所提出的社会化标签的个性化查询词扩展方法能够较好地满足用户的个性化需求,检索结果比Google的检索结果更接近用户需求。     

Internet的个性化搜索引擎的分析与研究

随着Internet上信息量的急剧增加,如何使用户获得有用的信息已成为信息检索系统急需解决的问题.针对存在的问题,本文提出了一个基于Internet的个性化搜索引擎系统,该系统采用Agent技术及相关反馈学习算法,满足于Internet中信息检索的需要,具有一定的理论价值和应用价值.     

基于RDF的个性化资源集成模型的研究与应用

针对基于规则的个性化服务系统和基于信息过滤的个性化服务系统的若干缺点,提出一种基于RDF的个性化资源集成模型,为读者提供一个个性化、集成化的浏览空间,同时给出了模型的一个应用,该应用可以使互联网的用户拥有真正意义的“网上家园”。     

ACIRD: intelligent Internet document organization and retrieval

This paper presents an intelligent Internet information system, Automatic Classifier for the Internet Resource Discovery (ACIRD), which uses machine learning techniques to organize and retrieve Internet documents. ACIRD consists of a knowledge acquisition process, document classifier, and two-phase search engine. The knowledge acquisition process of ACIRD automatically learns classification knowledge from classified Internet documents. The document classifier applies learned classification knowledge to classify newly collected Internet documents into one or more classes. Experimental results indicate that ACIRD performs as well or better than human experts in both knowledge acquisition and document classification. By using the learned classification knowledge and the given class lattice, the ACIRD two-phase search engine responds to user queries with hierarchically structured navigable results (instead of a conventional flat ranked document list), which greatly aids users in locating information from numerous, diversified Internet documents     

基于用户兴趣的PageRank算法改进策略

随着互联网海量信息的不断涌现,根据用户的兴趣提供相关查询结果,是现有搜索引擎要考虑的一个问题,PageRank算法是基于链接的排序算法,已在Google搜索引擎广泛应用,但其忽略了用户个性化需求。采用网页预分类技术,来表示用户查询的兴趣度,进一步提出改进传统的PageRank算法,从而能适当提高用户在使用搜索引擎方面的个性化需求。     

基于用户行为聚类的搜索

因特网的飞速发展,网络资源呈爆炸式的增长。信息检索是人们上网的主要目的之一。目前的信息检索领域有许多检索方法与检索工具,为用户检索信息提供了许多途径。但如何利用搜索引擎实现更快更精确的搜索已经成为这一领域的研究热点。在研究现有的几种搜索引擎的基础上,提出了一种基于用户行为聚类的搜索引擎。通过分析不同的用户行为将搜索用户聚类成不同的用户组,为每组用户返回其喜欢的结果,优化查询结果。     

结果页面信息的提取和结果筛选算法的研究

Web搜索引擎是Internet上非常有用的信息检索工具.但是,目前搜索引擎检索出的信息量庞大.如何能够快速和精确地在这种海洋信息中检索到用户所需信息已成为重要的研究课题.提出基于元搜索引擎理论上的专业课程信息搜索系统,着重研究结果页面信息的提取技术和向量空间模型算法.     

基于区间区域的位置隐私保护方法

现有的[k]-匿名位置隐私保护机制通过检索历史请求记录来构造匿名位置集,而检索需要花销大量的时间。针对这一问题,运用Geohash编码快速检索的优越性,提出了基于区间区域的位置隐私保护方法。将用户的真实位置泛化到区间区域中,根据Geohash编码原理来检索相同编码的位置作为候选位置集,再根据用户的隐私需求,为用户提供个性化的[k]-匿名隐私保护服务。仿真实验表明,在相同大小的检索范围内,该方法不仅可以快速地进行匿名处理,还能够给用户提供更加高效安全的位置服务。