基于跨系统的个性化搜索系统模型设计

用户模型的建立和动态更新,是实现个性化搜索的基础和核心。通过采用Multi-Agent技术对跨系统的个性化搜索系统进行设计,采用交互式Agent初始化单系统用户模型,使用动态跟踪用户兴趣Agent和历史记录检索Agent来更新用户模型,并利用SUM模型建立跨系统的用户模型。最后利用产生的用户兴趣文件作为查询优化Agent和结果优化Agent的判别依据来提高跨系统搜索的个性化。     

个性化元搜索引擎的研究与设计

随着Web信息的快速增长和人们对信息检索质量要求的提高,传统的搜索引擎已不能很好地满足人们的需求. 本文提出了一种个性化元搜索引擎模型.个性化是指模型可以针对不同的用户建立不同的用户兴趣模型,然后根据用户兴趣,模型对搜索结果进行过滤、重排序处理,使得显示给用户的搜索结果更具有针对性.本文阐述了各主要功能模块工作原理,并详细介绍了根据用户兴趣模型对搜索结果进行排序的算法,实验表明该算法能够有效地提高用户的检索质量.     

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。     

基于用户查询日志的网络搜索主题分析

网络搜索分析在优化搜索引擎方面具有举足轻重的作用,而且对用户个人搜索特性进行分析能够提高搜索引擎的精准度。目前,大多数已有模型（比如点击图模型及其变体）,注重研究用户群体的共同特点。然而,关于如何做到既可以获取用户群体共同特点又可以获取用户个人特点方面的研究却非常少。本文研究了基于个人用户网络搜索分析新问题,即通过研究用户搜索的突发性现象,获取个人用户搜索查询的主题分布情况。提出了两个搜索主题模型,即搜索突发性模型（SBM）和耦合敏感搜索突发性模型（CS-SBM）。SBM假设查询词和URL主题是无关的,CS-SBM假设查询词和URL之间是有主题关联的,得到的主题分布信息存储在偏Dirichlet先验中,采用Beta分布刻画用户搜索的时间特性。实验结果表明,每一个用户的网络搜索轨迹都有多种基于用户的独有特点。同时,在使用大量真实用户查询日志数据情况下,与LDA、DCMLDA、TOT相比,本文提出的模型具有明显的泛化性能优势,并且有效地描绘了用户搜索查询主题在时间上的变化过程。     

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。     

基于用户生成内容的产品搜索模型

以消费者行为分析和离散选择的相关理论为基础,通过对用户生成内容进行特征粒度的情感分析,同时从产品的客观数据和用户生成的主观内容中提取模型特征,使用有监督的学习训练MNL模型预测产品的消费者剩余作为搜索排序的依据,并实现了手机、笔记本电脑和数码相机类的产品搜索系统。双盲实验表明,该文提出的产品搜索模型搜索效果比基准算法有显著的提高。     

基于云计算的定向搜索监控研究

传统的搜索引擎不能代替用户实行实时监控,为了解决这个问题,提出了定向搜索监控技术,用户可以根据自己的需求定制任务,包括指定搜索范围和搜索主题,系统按用户定义周期监控,并将结果及时主动地反馈给用户。以Google云平台Google App Engine作为开发平台,利用其提供的多项云服务,有效地解决了计划任务管理、多任务触发以及高并发等问题。重写了通用网络爬虫,通过算法改进提出了定向网络爬虫模型,定向网络爬虫与云端强大的服务器相结合,极大地缩短了爬行时间,提高了搜索监控效率。云平台和搜索监控技术的结合是平台即服务思想的一次成功实验。     

一种基于用户属性的搜索算法①

如何提高搜索的准确度是搜索算法改进的一个重要方面。提出了一种基于用户模型的搜索模式相适度算法,首先定义了一系列搜索模式,在搜索模式中有与之匹配的用户模型和相应的信息排序策略。用户检索时,利用空间向量模型计算出与用户最匹配的搜索模式,然后根据所选搜索模式中定义的排序算法,将最切合用户信息需求的数据优先呈现给用户,将用户属性作为信息重排的依据,达到针对用户的具体情况提供个性化搜索服务的目的。实验证明,本算法在可接受的时间消耗下,极大地提高了信息搜索的准确度。     

基于QoS的D2D能效优化

为解决基站数十亿通信设备的通信能耗和D2D通信过程中复用频谱资源对蜂窝用户造成的干扰问题,建立一种优化模型系统,解决用户通信服务质量(quality of service,QoS)和系统能效的权衡问题。针对优化问题中遇到的NP难题,提出一种启发式资源分配算法1-search,降低用户搜索范围以及匹配用户的搜索时间;利用松弛的方法忽略次要干扰的影响,降低算法复杂度。仿真结果表明,1-search算法可以提高系统能效,具有较好的收敛性。     

一种基于用户属性的搜索算法①

如何提高搜索的准确度是搜索算法改进的一个重要方面。提出了一种基于用户模型的搜索模式相适度算法,首先定义了一系列搜索模式,在搜索模式中有与之匹配的用户模型和相应的信息排序策略。用户检索时,利用空间向量模型计算出与用户最匹配的搜索模式,然后根据所选搜索模式中定义的排序算法,将最切合用户信息需求的数据优先呈现给用户,将用户属性作为信息重排的依据,达到针对用户的具体情况提供个性化搜索服务的目的。实验证明,本算法在可接受的时间消耗下,极大地提高了信息搜索的准确度。     

基于用户上下文的新闻服务机制研究

在新闻服务中引入用户上下文来实现个性化服务.通过定义用户上下文,利用基于事例的推理(CBR)方法,对基于用户新闻请求生成的问题事例进行推理,找到可用的事例,修改问题事例,经过新闻检索,实现个性化新闻服务,提高内容服务质量,优化检索结果,生成最大程度反映用户需求的新闻结果.     

基于UDDI Registry的智能检索引擎的研究

随着Web Services技术的不断成熟和发展,存储在UDDI Registry中的Web Service信息将会变得越来越庞大,如何从UDDI Registry浩如烟海的信息资源中为用户快速、方便、准确地检索出满足需求的Web Service,将变得十分重要.而传统的基于关键词匹配的检索技术已不能满足用户准确而全面定位信息的要求.因此,以Web Service的文本描述信息为研究对象,运用文本挖掘相关方法,构建出用户概念空间,对用户提出的查询要求进行概念检索.着重介绍了用户概念空间的构建方法以及概念检索的匹配运算过程,并给出了应用于UDDI Registry的一种智能检索引擎系统模型.     

Worm propagation and generic attacks

The defining task of propagating malicious code is to locate new targets to attack. Viruses search for files in a computer system to which to attach, whereas worms search for new targets to which to transmit themselves. Depending on their method of transmission, malicious code writers have developed different strategies for finding new victims. Worms transmitted via email have had great success propagating themselves because they find their next targets either by raiding a user's email address book or by searching through the user's mailbox. Such addresses are almost certain to be valid, permitting the worm to hijack the user's social web and exploit trust relationships. In most cases, the worm will craft its own message to send to the target, but some will wait for the user to send a message and attach themselves to it. Network worms, those that attack network services, must determine their next victim's IP address.     

基于Internet的智能个性化检索

本文给出了Web页面进行智能个性化检索的系统结构和实现原理，采用Agent技术和用户手工调整相结合的方法确定用户检索的个性化模式，通过K-modes算法聚类学习用户反馈信息，产生新的个性化模式，更精确地满足用户的个性化检索需求，降低了检索结果的重复率，在一定程度上提高了检索的精度和效率。     

面向自然交互的多通道人机对话系统中答句自动生成方法

多通道自然人机对话系统要求计算机能够对用户的语句产生智能应答,传统的人机对话系统由于知识库的限制以及用户话语的随意性,当对话内容超出知识库范围时,系统将无法应答或产生与用户期望不符的回答,这在一定程度上影响了人机对话系统用户的体验感.为了解决该问题,提出了一种融合多模态历史交互信息和面向数据的句法分析(data-oriented parsing,简称DOP)模型的最优答句生成方法:首先从大规模句法树库中提取上下文无关文法的语法规则,然后结合对话过程中用户呈现的表情、姿态等多模态历史交互信息,融合DOP模型对上下文无关文法生成的汉语句子进行过滤,最终生成一个符合语法规则且符合语义的答句返回给用户,让计算机在无法获得知识库支撑时,根据交互历史信息生成应对当前对话的语句,有效地提升了多通道自然人机交互系统用户的体验感.该方法应用于交通信息查询以及咖啡厅的多主题多模态人机自由对话系统.用户的体验表明,该方法能够有效提高用户交互的自然度和体验感.     

利用onto1ogy实现的多库知识获取方法

在ontology研究的基础上,提出了一种基于ontology的多库知识获取(OBMDKA)方法.考虑到不同用户有不同的表述习惯,引入自然语言理解(NLU)子系统和用户ontology,在正确理解用户语义的前提下方便用户查询.同一知识的表示形式是多种多样的,按不同的表示形式将其分别存放在不同的库中.利用领域ontology对待查找知识进行分类,使查找更加准确全面.     

Personalized Web search for improving retrieval effectiveness

Current Web search engines are built to serve all users, independent of the special needs of any individual user. Personalization of Web search is to carry out retrieval for each user incorporating his/her interests. We propose a novel technique to learn user profiles from users' search histories. The user profiles are then used to improve retrieval effectiveness in Web search. A user profile and a general profile are learned from the user's search history and a category hierarchy, respectively. These two profiles are combined to map a user query into a set of categories which represent the user's search intention and serve as a context to disambiguate the words in the user's query. Web search is conducted based on both the user query and the set of categories. Several profile learning and category mapping algorithms and a fusion algorithm are provided and evaluated. Experimental results indicate that our technique to personalize Web search is both effective and efficient.     

对基于本体的搜索中用户偏好库的算法研究

介绍了本体的基本概念及其基本的元素。探讨了在基于本体的智能搜索中用户偏好库的作用和其类型,特别是客观世界中某一特定领域或主题的搜索中用户偏好库的研究。研究了用户偏好库中用户兴趣剖像生成的提取算法,即TF*IDF算法和TF*IWF*IWF算法和基于本体的查询扩展算法。并且讨论了各个算法之间的联系,论述了用户偏好库在基于本体的搜索系统中的独特作用。     

基于多Agent协作的智能元搜索引擎ACISE系统的研究

随着网络信息资源的迅速增加,提出一种基于多Agent协作的智能搜索引擎ACISE系统,将元搜索引擎技术和Agent技术结合到一起.该系统综合考虑了用户个性化的特点,通过Agent之间的通信与协作完成信息检索,实现了基于用户兴趣的智能化,同时提高了查全率、查准率和检索速度.