搜索引擎的检索性能及应用

本文首先讨论了Ｉｎｔｅｒｎｅｔ搜索引擎的三种类型。然后基于 Ｆｏｒｒｅｓｔｅｒ研究和 Ａｌｅｘａｎｄｅｒ　Ｌｅbｅｄｅｖ实验,分析讨论了主要搜索引擎各自的检索特点和性能,并对在科研中单个搜索引擎的应用进行了探讨。这对于科研人员选择检索方法可能会有所帮助。     

基于用户兴趣的元搜索引擎检索结果合成技术

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,但是它们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。为了提高元搜索引擎的查询精度,文章提出了一种基于用户兴趣的元搜索引擎检索结果合成技术。该技术先对检索结果进行去重、消除死链接．然后根据基于用户兴趣的检索结果优劣比排序算法对结果进行排序,为用户提供贴切的查询结果。该技术能提高用户的检索效率和查询质量。     

一种基于信息推送的搜索引擎模型

随着信息时代的来临,海量信息不断地涌入因特网,人们想要获得自己所需要的信息,越来越离不开搜索引擎。但目前的搜索引擎往往无法满足人们搜索信息的根本要求,常常有人抱怨,我所搜索的信息都是我不需要的。针对现有搜索引擎的不足,把信息推送技术引入到搜索引擎中,建立了一种基于信息推送的搜索引擎模型,解决了现有搜索引擎在搜索过程中存在的资源迷向问题,真正实现了信息找人的搜索方式。     

基于用户行为的搜索引擎营销策略研究

搜索引擎营销是网络营销的一个重要组成部分。用户作为搜索引擎的直接使用者,就成为搜索引擎营销服务质量的最终评判者。本文提出一种基于用户行为的搜索引擎营销策略。     

基于用户多媒体数据管理模型的个性化图像检索

 为了提高基于内容的图像检索系统的性能和减少图像底层视觉特征和高层语义特征之间的鸿沟,本文提出了用户多媒体数据管理模型.包括用户语义模型、用户兴趣模型和用户意图模型.实验证明用户多媒体数据管理模型可成功为用户提供个性化图像检索和个性化推荐服务.     

基于协同神经网络的仿射不变性检索相似性度量方法

根据协同神经网络 ,提出了一种新的控制参数———序矢量 ,并着重研究了其在图像检索方面的相关性质 .在此基础上 ,针对商标图像检索 ,提出了一种高效的基于元素的仿射不变性度量方法 .实验表明 ,该检索算法抗噪、抗缺损能力强 ,同时对于平移、旋转、缩放具有不变性 .     

一种改进的基于浏览行为的用户兴趣模型

主要讨论并建立了一种改进的基于用户浏览行为的用户兴趣模型,模型中综合考虑了Web用户对页面的浏览行为、对页面关键词的感兴趣程度、用户的短期兴趣和长期兴趣。在.NET平台下实现了WIPISES演示系统,在系统中嵌入本文所提出的改进的用户兴趣模型。仿真实验结果表明:使用本文改进的用户兴趣模型进行信息检索,其搜索效果优于目前主流的搜索引擎,而且Web用户的偏好性越强,WIPISES系统的优势也就越显著。     

基于用户体验的移动搜索研究

借鉴消费者体验理论和互联网用户体验要素,归纳出移动搜索用户体验的四个要素：整体布局感官体验、功能性体验、界面信息体验和可用性体验。设计问卷调查用户在移动搜索整体布局、导航标识体系、检索功能和整体上的体验,通过数据分析,认为检索功能体系是影响移动搜索用户体验的最重要因素,并从整体布局、导航标识体系设计、检索功能三个方面对移动搜索运营商提出优化建议。     

基于图像直方图混合度量匹配的图像检索

本文通过分析图像的空间信息和颜色之间的相关性，提出一种基于直方图混合度量的图像检索方法。实验证明本文提出的方法其检索效果明显优于传统直方图方法。     

个性化元搜索引擎技术研究

搜索引擎是一个集多种技术于一体的综合性系统.元搜索引擎作为下一代功能更强大、更具智能的方案而成为当前的研究热点.针对目前搜索引擎返回结果数目庞大,并且很多结果与用户查询并不相关等问题,文中提出了一种基于用户兴趣集合的结果排序算法.这样查询结果更贴近用户的需求,实践表明该算法能提高用户检索的速度和查询的质量.     

语义搜索引擎概念模型

语义搜索引擎作为未来的万维网搜索引擎，将不仅仅基于关键词检索，而是能够理解Web页面的内容，并进行逻辑推理来完成复杂的查询任务，最终返回精确的结果。对语义Web和搜索引擎技术进行了简要介绍，提出一种语义搜索引擎概念模型，并对其构成模块及模块问的互操作进行了描述，最后对概念模型具体实现上的关键技术进行了简要说明。     

一种基于概念抽取的元搜索引擎

文章在概念抽取算法基础上，提出一种基于概念的元搜索引擎体系结构。这种体系结构提供统一的用户界面．通过查询适配可以同时使用多个独立搜索引擎的高级搜索功能。并且通过概念抽取对搜索结果进一步分析。使其更为准确和详细。系统提供了概念图这种独特的结果显示方式，引导用户细化搜索范围以得到更为精确的结果。     

基于分层序列法的搜索引擎系统设计

首先给出了搜索引擎系统的总体构架设计,在该构架的基础上提出了不同于一般向量空间模型的基于分层序列法的向量空间模型,并设计了该模型的具体算法,最后通过仿真实验的方法对两种模型进行比较,得出了基于新模型的搜索引擎系统在搜索速度、查准率上都要优于基于旧模型的搜索引擎系统。     

元搜索引擎中基于用户兴趣的查询结果合成研究

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，但是它们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，也大大提高了用户检索的代价。针对这一问题。文章提出了基于用户兴趣的结果合成算法。它根据用户兴趣对结果进行相似度计算和结果去重，从而为用户提供贴切的查询结果。实验表明。该算法提高了用户的检索效率和质量。     

基于本体的语义搜索引擎的概念体系结构研究

未来的WWW搜索引擎将不只用于文字搜索,它应该能够理解Web页面的内容,在其上执行逻辑推理,实现复杂的搜索查询并反馈准确结果。创建了一个用于语义搜索引擎的概念体系结构,讨论了其中的构件以及它们之间的交互过程,并证明了此概念体系结构的优越性。现今推理引擎的问题是它们不支持健全的知识库,所以功能限制在了代码验证上。这里提出的概念体系结构不存在这个问题,该体系结构中的推理引擎具有一个完整的知识库。此外,通过使用W3C推荐的OWL语言,语言标准化的问题也得到了很好解决。     

智能搜索引擎中用户兴趣模型分析与研究

用户兴趣模型是智能搜索引擎系统中的重要组成部分。本文提出一种新的方法．以动态询问的方式建立初始用户兴趣模型，通过分析、学习用户浏览行为历史．动态更新用户兴趣模型，有效地解决了用户兴趣的自适应变化。     

基于Solr的分布式实时搜索模型研究与实现

实时搜索已成为信息检索领域的热点问题之一。传统搜索引擎在分布式环境下无法保证大数据量、高并发情况下的实时响应和数据容灾。本文提出了一种基于Solr的分布式实时搜索模型,分析了其实现原理。模型通过内存索引与磁盘索引相结合保证索引信息的实时展示,同时引入CommitLog日志保证内存索引数据容灾,并通过Master/Slave模型保证搜索服务的可用性。最终应用于实际生产系统中,实践结果充分证明了该模型的可行性。     

基于本体与模式的网络用户兴趣挖掘

本文探讨了用户兴趣挖掘的新方法,首先从用户搜索日志中获取访问行为元素,并借助通用本体中的概念描述网页所体现的用户个体兴趣,然后提出了一种兴趣得分计算方法,并在此基础上从用户个体兴趣序列中识别不同的兴趣模式,判断用户的短期兴趣,并利用通用本体得出用户兴趣的集合表示,最后根据短期兴趣的增量积累推算长期兴趣.整个过程避开了以往兴趣挖掘方法中通过相似度计算和文档聚类算法进行兴趣合并的问题,为兴趣发现提供了新思路.实验结果表明,本文的方法对用户兴趣的描述更具体,取得了更优化的兴趣合并结果.