一种基于对抗学习和语义相似度的社交网络跨媒体搜索方法

社交网络蕴含着丰富的多媒体信息,如何实现社交网络跨媒体信息的搜索已成为研究热点.基于深度学习的单一模态语义特征提取和学习在社交网络信息搜索上取得了较好的效果.在跨模态信息搜索时不同模态的数据特征不能直接比较,因此不同模态之间的语义鸿沟是亟待解决的关键问题.针对上述问题,本文提出了一种基于对抗学习和语义相似度的跨媒体搜索...     

基于多模态图和对抗哈希注意力网络的跨媒体细粒度表示学习

跨媒体数据搜索中不同媒体类型的数据间存在特征异构和语义鸿沟问题,且社交网络数据往往呈现语义稀疏性、多样性等特性.针对上述问题,文中提出基于多模态图和对抗哈希注意力网络的跨媒体细粒度表示学习模型,获取统一的跨媒体语义表示,应用于社交网络跨媒体搜索.首先,构建图像-单词关联图,并基于图随机游走策略挖掘图像和文本单词间直接语...     

基于深度强化学习的在线社交网络多模态的安全内容搜索研究

深度强化学习是一种全新的机器学习方式，它将深度学习与强化学习相结合，使得职能主体可以在高维环境中感知信息，并通过训练模型，作出相应的决策。深度强化学习是一种非常普遍、有效的方法，它已经被广泛地应用到我们的日常生活中。快速发展的在线社交网络在不断积累数据的同时，也会产生巨大的数据增长。首先，由于在线社交网络大数据所具有的特殊的数据特性，使得传统的信息搜索算法很难适应用户的需要。其次，由于在线社交网络中的信息量较大，因此，在线社交网络中海量数据的收集和处理的水准也越来越高。所以，如何基于深度强化学习提高在线社交网络的安全内容搜索已成为当前的研究热点。本文介绍了深度强化学习的产生与发展，阐述了基于深度强化学习的在线社交网络多模态安全内容的搜索与分析，并对其实现的技术和工具进行了详细的说明，并对各模块的具体功能进行了深入的探讨。     

基于交互感知的探索式搜索中资源的推荐方法

基于关键词匹配的信息搜索技术日渐成熟,人们期待搜索引擎更加智能,能够根据模糊需求启发用户找到正确的信息,探索式搜索由此出现。已有依据关键词之间的语义关联进行搜索推荐的探索式搜索方式,能够启发用户找到与当前查询相关的其他信息。然而,这种随机式的推荐方式仅适用于用户对不熟悉的领域进行初步了解的应用场景。针对有特定搜索意图的用户,如何有效利用用户提供的信息,让信息推荐以符合认知规律的方式进行,并且能够使计算机智能地理解用户的下一步信息需求的意图是研究的关键。提出一种基于交互感知的信息推荐方法,设定交互的基本规则,便于系统尽快确定模糊用户需求的搜索意图。示例展示这种方式能够对有效交互进行定量分析,并能有效减少用户与系统之间交互的步数。     

社交网络相关机制应用于搜索引擎的研究综述

首先对社交网络相关机制应用于搜索引擎的研究背景做简单陈述,然后对现有社交化搜索算法按照应用环境的不同进行分类综述与分析,总结其优势、不足以及影响因素。进而提出限制社交化搜索研究发展的主要原因,展望未来开展社交化搜索的相关研究时应当重点关注的方向,着重讨论利用个性化推荐系统连结社交网络与搜索引擎的思想,以及搜索引擎合法获取社交数据的可行的模式。     

基于深度学习挖掘用户搜索主题研究

主要研究了基于深度学习技术挖掘用户搜索主题相关的感兴趣内容。通过深度挖掘算法分析用户搜索记录、查询历史以及用户感兴趣的相关文档视为用户搜索主题数据的来源,进而挖掘兴趣主题。挖掘模型主要采用向量空间模型,将用户搜索主题模型表示成用户搜索主题向量形式。形成主题和用户兴趣关系网,用户搜索主题向量的构造过程:选择一组用户查询词,并对它们进行深度挖掘分类,最后用它们构造用户搜索主题特征向量,进而分析用户兴趣点。结合用户随着时间的变化,以及过程中有不用的搜索词,以及无关的搜索噪声词去掉,调整兴趣度,用户搜索主题需要具有更新学习机制,动态跟踪了用户兴趣变化趋势。该用户搜索主题研究过程克服了数据稀疏、类别偏差、扩展性差等缺点。实验结果表明,该模型识别用户搜索主题准确率良好。     

基于用户搜索意图的Web网页动态泛化

基于目前对用户搜索意图的分类,进一步分析了每种用户意图的信息需求,提出了基于用户搜索意图的Web网页动态泛化模型,为搜索的Web网页动态地建立文档片段、关键词、导航类型、文档格式之间的概念层次,通过网页内容、类型和格式的泛化为不同的访问意图提供进一步的搜索导航,从而返回与搜索意图更相关的结果.与相关工作对比,重点并非获取用户意图,也不是对用户意图分类,而是基于用户搜索意图的Web网页动态泛化模型的建立及Web网页泛化过程的实现.实验结果表明,该泛化模型不仅能够通过导航自动获取用户搜索意图,而且能够基于该意图提供相关搜索结果以及进一步的搜索导航.     

基于用户搜索意图的Web 网页动态泛化

基于目前对用户搜索意图的分类,进一步分析了每种用户意图的信息需求,提出了基于用户搜索意图的 Web 网页动态泛化模型,为搜索的Web 网页动态地建立文档片段、关键词、导航类型、文档格式之间的概念层次, 通过网页内容、类型和格式的泛化为不同的访问意图提供进一步的搜索导航,从而返回与搜索意图更相关的结果. 与相关工作对比,重点并非获取用户意图,也不是对用户意图分类,而是基于用户搜索意图的Web 网页动态泛化模型 的建立及Web 网页泛化过程的实现.实验结果表明,该泛化模型不仅能够通过导航自动获取用户搜索意图,而且能够 基于该意图提供相关搜索结果以及进一步的搜索导航.     

基于地理时间意图和偏好的个性化Web搜索框架GT WSearch

基于Web查询的地理位置、时间查询意图和用户偏好的个性化Web搜索可以改善Web搜索结果,更好地满足不同用户的信息需求。提出了GT-WSearch个性化Web搜索框架,它通过挖掘搜索结果、用户点击数据和对查询进行分析得到的用户概貌和查询概貌,来捕捉用户的地理-时间的意图和偏好,提高搜索质量。用户概貌表明了查询自身的地理-时间的特性。 GT-WSearch框架在排序函数中利用文档的地理位置、时间的相关度来进行个性化搜索。 最后将使用线性的相关度排序函数进行重新排序的搜索结果返回给用户。大量实验结果表明,所提出的个性化方法在提高Web搜索结果的质量中取得了明显的效果。     

深度程序理解视角下代码搜索研究综述

代码搜索任务旨在通过分析用户需求,结合用户意图来找到满足其需求的软件构件。在加强软件复用性的同时,提高软件开发维护效率,降低成本。与传统的文档检索不同,程序特性往往隐含在标识符和代码结构中,理解程序功能是实现高效代码搜索的关键。从深度程序理解视角切入对代码搜索任务进行定义,并总结梳理近期代码搜索研究进展。针对当前代码搜索研究评估方法和数据集进行了整理。针对研究中存在的问题,对未来代码搜索研究进行展望,为后来研究者提供参考。     

Competition and Information Deception in Online Social Networks

This study empirically examines the role of competition in determining intentions toward personal information deception (PID) among users of online social network (OSN) sites. PID refers to OSN users intentionally misrepresenting or refusing to disclose online personal information. The research proposes that consumers’ intentions toward PID depend on their desire for online competition with other OSN users, which in turn depends on user appraisals of available status and hedonic benefits, as well as established social norms around competition. An analysis of data gathered from 499 OSN participants (students enrolled at a state university in the southeastern United States) shows that competitive desires represent an important antecedent of PID behavior in OSN contexts. Theoretical and practical implications of the research are also discussed.     

Mobile information search for location-based information

This study investigated mobile searching for location-based information by carrying out two experiments in an airport. The independent variables were user context, information type, information requirement pressure, and location-based information type. Experiment 1 compared users’ search performance in different user contexts while searching for different types of information. The results indicated that when users searched for location-based information, the average number of clicks decreased, the importance of the first search result increased, and free recall was better compared with non-location-based information searching. Experiment 2 further investigated the users’ mobile search performance under different levels of information requirement pressure. The results indicated that users under low pressure clicked more search results compared with users under high information requirement pressure. Compared to transactional query searching, when users engaged in informational and navigational queries, the average number of clicks increased, the importance of the first search result decreased, and free recall was worse. There was no significant difference in the number of clicks when users chose the first two search results during a mobile searching process for location-based information.     

Personalized mining of web documents using link structures and fuzzy concept networks

Personalized search engines are important tools for finding web documents for specific users, because they are able to provide the location of information on the WWW as accurately as possible, using efficient methods of data mining and knowledge discovery. The types and features of traditional search engines are various, including support for different functionality and ranking methods. New search engines that use link structures have produced improved search results which can overcome the limitations of conventional text-based search engines. Going a step further, this paper presents a system that provides users with personalized results derived from a search engine that uses link structures. The fuzzy document retrieval system (constructed from a fuzzy concept network based on the user's profile) personalizes the results yielded from link-based search engines with the preferences of the specific user. A preliminary experiment with six subjects indicates that the developed system is capable of searching not only relevant but also personalized web pages, depending on the preferences of the user.     

基于SVM和统计的搜索引擎的设计

随着网络的发展,以及用户应用的不断变化,通用的搜索引擎已不能应对各种不同的检索请求.面向主题的搜集系统是针对一个主题,一类网页的搜集系统,即只搜集整个网络的一个特定子集.对目前采用的各种搜集算法进行了研究和评估,确定了一套面向主题的搜集算法.该算法是基于原有搜索引擎实现的,能够有效、准确的进行同主题搜索,根据实现的结果说明基于SVM和统计的面向主题搜集系统的优势所在及其发展的可能性.     

基于行为特征分析的微博恶意用户识别

近年来,社交网络数据挖掘作为物理网络空间数据挖掘的一大热点,目前在用户行为分析、兴趣识别、产品推荐等方面都取得了令人可喜的成果。随着社交网络商业契机的到来,出现了很多恶意用户及恶意行为,给数据挖掘的效果产生了极大的影响。基于此,提出基于用户行为特征分析的恶意用户识别方法,该方法引入主成分分析方法对微博网络用户行为数据进行挖掘,对各维度特征的权重进行排序,选取前六维主成分特征可以有效识别恶意用户,主成分特征之间拟合出的新特征也能提升系统的识别性能。实验结果表明,引入的方法对微博用户特征进行了有效的排序,很好地识别出了微博社交网络中的恶意用户,为其他方向的社交网络数据挖掘提供了良好的数据清洗技术。     

Planning and Implementing a Federated Searching System: An Examination of the Crucial Roles of Technical,Functional, and Usability Testing

SUMMARY

Federated searching software offers much promise to users as a convenient way of accessing the wealth of electronic information resources libraries provide. But metasearching is not the same as Google searching; care must be taken in organizing and presenting search options and results so that they are comprehensible to users. From software installation to usability testing and creating documentation, most of the work of implementation is behind-the-scenes and hidden from most library staff and users; however, the decisions made during implementation greatly affect staff and user experiences with the product as well as its overall utility and usability. Systematic testing of the product is necessary to make informed and defensible decisions. This article details three layers of testing (technical, functional, and usability) recommended during implementation of a federated search product, based on best practices in the literature, metasearch standards, and the authors' own experiences with implementing a locally developed broadcast search system and the federated search system WebFeat.     

基于Web挖掘的智能门户搜索引擎的研究

搜索引擎是人们在Internet上快速获得信息的重要工具之一,但是由于中文自身的特点,使得检索结果的准确性和相关性不是很高,将Web挖掘技术应用到搜索引擎领域,从而产生智能搜索引擎,将会给用户提供一个高效、准确的Web检索工具。文章首先介绍了搜索引擎的工作原理和相关概念,然后介绍了Web挖掘的定义、分类和应用。最后,详细讨论了Web挖掘技术在智能搜索引擎的重要应用。     

基于用户关联行为的个性化搜索系统设计

设计了应用于网上商店的个性化信息搜索系统,该系统根据查询条件和用户信息记录分析用户兴趣,把初步的兴趣商品结果提交给用户,并将用户对结果的使用情况回馈给数据库。系统可用于定位消费需求、挖掘用户的隐含表达;创新点是提出了用户关联行为方案,为系统设计了关联行为的模型。     

针对小文本的Web数据挖掘技术及其应用

现有搜索引擎技术返回给用户的信息太多太杂,为此提出一种针对小文本的基于近似网页聚类算法的Web文本数据挖掘技术,该技术根据用户的兴趣程度形成词汇库,利用模糊聚类方法获得分词词典组,采用MD5算法去除重复页面,采用近似网页聚类算法对剩余页面聚类,并用马尔可夫Web序列挖掘算法对聚类结果排序,从而提供用户感兴趣的网页簇序列,使用户可以迅速找到感兴趣的页面。实验证明该算法在保证查全率和查准率的基础上大大提高了搜索效率。由于是针对小文本的数据挖掘,所研究的算法时间和空间复杂度都不高,因此有望成为一种实用、有效的信息检索技术。