搜索引擎中的聚类浏览技术

搜索引擎大多以文档列表的形式将搜索结果显示给用户,随着Web文档数量的剧增,使得用户查找相关信息变得越来越困难,一种解决方法是对搜索结果进行聚类提高其可浏览性。搜索引擎的聚类浏览技术能使用户在更高的主题层次上查看搜索结果,方便地找到感兴趣的信息。本文介绍了搜索引擎的聚类浏览技术对聚类算法的基本要求及其分类方法,研究分析了主要聚类算法及其改进方法的特点,讨论了对聚类质量的评价,最后指出了聚类浏览技术的发展趋势。     

基于K-近邻算法的网页自动分类系统的研究及实现

随着网络信息量的爆炸式增长，人们查找信息越来越难。Web搜索引擎的出现在一定程度上解决了这种矛盾。然而现行的搜索引擎无法根据用户所指定的主题进行针对性的搜索，因此，必须在搜索后对结果是否属于目标主题进行判断，以提高搜索的准确性，文中提出了一种基于K-近邻机器学习算法的信息自动分类的方法，能够对搜索到的网页自动地判定是否属于目标主题，并在实验的基础上验证了其在提高搜索准确性上的作用。     

蛙跳算法在Web文本聚类技术中的应用

随着互联网的高速发展,海量信息越来越多,搜索引擎技术发展很快,但是搜索引擎的搜索结果仍然不能满足人们的搜索要求,引入k-means聚类算法对Web文档进行聚类,为了提高聚类性能,引入蛙跳算法进行k值的选取.目的是提高搜索结果的准确性,增加搜索引擎返回结果与查询主题的相关性.     

从网络延伸到本地——桌面搜索争奇斗艳（上）

伴随着搜索引擎技术的日趋成熟和数据信息的爆炸式增长，人们不仅对网页内容的搜索要求越来越高了，而且也希望搜索引擎能满足本地硬盘海量数据的查找。用户的需求就是搜索引擎技术开发商努力的方向，世界各大搜索商随即将目光移到桌面搜索这块大蛋糕上。Google率先发力，推出了桌面搜索工具Google Desktop Search。随即，Yahoo!和Microsoft等也推出了相关产品。     

二次搜索系统的设计与实现

Internet的快速增长使人们越来越依赖于搜索引擎来发现有用的信息。当前绝大多数中文搜索引擎都是基于文本的，其搜索效果通常不能令人满意。基于正在兴起的链接分析技术，借助文本式搜索引擎的搜索成果，设计并实现了一个二次搜索系统。该系统通过对文本搜索引擎搜索结果的再次处理，为终端用户提供一个高质量的搜索结果。     

用户协作式智能搜索模型的研究

随着网络信息资源的日益膨胀和搜索引擎技术的不断发展,搜索引擎反馈的搜索结果也越来越多而使用户无所适从。为了有效提高搜索效率和搜索结果的准确性,该文提出一种基于用户协作的搜索结果优化模型。该优化模型将搜索引擎对搜索结果的处理同用户对搜索结果的挑选有机结合起来,搜索引擎可以根据用户的反馈信息不断地调整搜索结果,使搜索结果逐步满足用户的检索需求。     

基于Ontology的元搜索引擎设计

由于Web资源的急剧增长,网络信息的查找变得越来越重要,搜索引擎是当今主要的搜索工具.为提高查找的查全率和查准率,本文提出了一种基于本体的元搜索引擎的系统模型,并描述了运用Notation3建立本体的方法.     

高校数字化信息资源的搜索系统研究

随着高校信息化建设的快速推进,数字化信息资源变得越来越重要,现已成为高校的关键基础设施。针对高校各种数字化信息资源使用现状,本文探讨建设高校数字化信息资源搜索的必要性,并在分析当前各种搜索技术的基础上,对高校数字化信息资源搜索专用技术进行研究,并设计了一个适合于教学、科研与自主学习的搜索引擎。     

基于Agent的跨媒体元搜索引擎的研究

用户在使用传统的搜索引擎去检索某一主题的相关信息时，需要从几个不同的方面搜索许多站点，组织和整合这些不同站点的信息变得非常重要。为实现跨媒体搜索，文中提出了一种基于Agent的查询分解策略，并将检索结果予以整合。将查询条件分解，能弥补传统图片搜索引擎在多关键词检索方面的不足，提高信息的传播效率。文中给出了例子予以验证。实验证明，查询分解策略能够有效地改善查全率，查准率也能够保持在70％左右。     

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。     

Web挖掘技术研究

信息时代的到来,伴随着海量数据的不断出现,web挖掘为当今海量数据处理提供了强有力的技术手段。介绍了Web挖掘的概念,给出了Web挖掘的三种分类,并针对内容挖掘、结构挖掘、使用挖掘论述了Web挖掘在搜索引擎、电子商务、疾病防治等方面的应用。提出了Web挖掘存在的问题,最后展望了Web挖掘的未来努力方向。     

Web挖掘技术研究

信息时代的到来，伴随着海量数据的不断出现，web挖掘为当今海量数据处理提供了强有力的技术手段。介绍了Web挖掘的概念．给出了Web挖掘的三种分类，并针对内容挖掘、结构挖掘、使用挖掘论述了Web挖掘在搜索引擎、电子商务、疾病防治等方面的应用。提出了Web挖掘存在的问题，最后展望了Web挖掘的未来努力方向。     

Web挖掘在电子商务中的应用

如何从海量的Web数据中发现有用的知识是一个迫切需要研究的课题,因此,Web挖掘应运而生,成为一个全新的研究领域。Web挖掘就是从Web文档和Web活动中抽取潜在的有用模式和隐藏信息。随着电子商务的发展,Web挖掘进入了一个新的应用领域,介绍了Web挖掘技术在电子商务中的具体应用,运用Web挖掘技术对Web数据进行挖掘,了解客户的行为,从而调整站点结构、市场策略等,使电子商务活动具有针对性。     

Mining search engine query logs for social filtering-based query recommendation

This paper presents a simple and intuitive method for mining search engine query logs for fast social filtering, where searchers are provided with dynamic query recommendations on a large-scale industrial-strength search engine. We adopt a dynamic approach that is able to absorb new and recent trends in web usage trends on search engines, while forgetting outdated trends, thus adapting to dynamic changes in web user’s interests. In order to get well-rounded recommendations, we combine two methods: first, we model search engine users’ sequential search behavior, and interpret this consecutive search behavior as client-side query refinement, that should form the basis for the search engine’s own query refinement process. This query refinement process is exploited to learn useful information that helps generate related queries. Second, we combine this method with a traditional text or content based similarity method to compensate for the shortness of query sessions and sparsity of real query log data.     

基于动态网站的语义数据挖掘模型研究

WEB使用挖掘正逐渐成为WEB个性化服务领域的研究重点,它通过对用户历史使用信息的分析,实现网站的个性化服务。然而,由于动态网页对象URL结构的特殊性,导致了WEB使用挖掘在动态网站应用上的局限性。论文在基于WEB使用挖掘分析的基础上,针对动态网站数据挖掘和个性化服务,提出了语义数据挖掘模型,并详细描述该模型的挖掘流程。     

个性化搜索引擎研究

Internet上存在大量的信息资源,如何从中获取有价值的信息一直以来是一个问题。论文在传统搜索引擎的基础上,采用Web挖掘技术,引用概念格知识,提出了个性化搜索引擎。文中分析了个性化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。     

Web数据挖掘系统的设计及实现研究

在全球信息化进程中，信息超载已经成为一个大问题。Web上信息虽多，但想找到需要的信息却很困难。人们通过点击和搜索引擎与Web进行交互，但是都不能从中准确快捷地获取需要的信息，Web数据挖掘技术就是解决此问题的好方法。讲述了Web数据挖掘的基本理论，根据挖掘对象的不同将其划分为Web内容挖掘、Web链接结构挖掘和Web访问信息挖掘；利用HTML网页的特殊结构性质，提出了一种Web数据挖掘系统的通用框架，并讨论了一些实现的具体技术。     

Improved relevance ranking in WebGather

The amount of information on the web is growing rapidly,and search engines that rely on keyword matching usually return too many low quality matches.To improve search results,a challenging task for search engines is how to effecively calculate a relevance ranking for each web page,This paper discusses in what order a search engine should return the uRLs it has produced in response to a user‘s query,so at to show ore relevant pages first.Emphasis is given on the ranking functions adopted by WebGather that take link structure and user popularity factors into account.Experimental results are also presented to evaluate the proposed strategy.     

Web搜索中的数据挖掘技术研究

WWW已经成为世界上是大的分布式信息系统,如何快速有效地搜索用户所需的资源一直是研究热点。Web挖掘也已经成为数据挖掘中相对成熟的一个分支。本文针对Web资源搜索中利用的相关Web挖掘技术做一个综述。文章首先对目前流行的Web内容挖掘方面的常用技术进行了研究分析,然后着重研究了Web结构挖掘技术,介绍并评价了多种算法模型。接着介绍了用户使用的挖掘,并提出了Web内容挖掘技术,结构挖掘技术和用户使用挖掘相结合,应用于开发智能型搜索引擎的趋势。     

Web数据挖掘技术

随着Intemet／Web技术的快速普及和迅猛发展,各种信息可以以非常低的成本在网络上获得。如何在这些信息中找到用户真正需要的内容,成为数据组织和Web相关领域专家学者关注的焦点。Web数据挖掘旨在发现隐藏在Web数据中潜在的有用知识、提供决策支持,已经成为数据挖掘领域中新兴的研究热点。该文主要从Web内容挖掘、Web结构挖掘和Web使用挖掘三个方面阐述Web数据挖掘的基本知识。