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。     

基于Web挖掘的个性化算法及其在网络教学平台的应用

在Web挖掘的基础上设计针对Web服务的Web访问事务模型WTM和个性化推荐算法。算法以WTM为基础,旨在根据用户的访问模式向用户推荐个性化的Web资源。其利用关联规则得到的频繁项集实时地匹配用户的当前访问序列,对不同的用户提供不同的推荐资源。在此过程中不需产生所有的关联规则,提高了推荐的效率。最后,将该模型和算法应用于网络教学实践得出了个性化的网络教学环境。     

支持个性化推荐的Web面关联规则挖掘算法

分析了应用于个性化推荐的Web页面关联规则的特点，提出了“壹支持数下k关联规则”的思想，根据这一思想设计、实现了一种应用于个性化推荐的Web页面关联规则挖掘算法——PARM(Pageview Association Rule Mining)及频繁项集的Freq-Sdt-Tree存储结构，在产生频繁项的同时挖掘关联规则，因而能提高效率。实验证明在个性化推荐系统中PARM算法的效率明显高于FP-Growth算法。     

模糊聚类在个性化搜索引擎中的应用

对于Web中杂乱的海量信息,现存的基于关键字匹配的搜索引擎远远不能满足用户对资源的需求。本文利用模糊聚类(FCM)的原理提出一种个性化智能搜索引擎的框架。本框架分为用户个性化模糊聚类和web信息模糊聚类,并分别对其实现过程进行较为详细的描述。     

个性化Web推荐服务研究

本文主要论述了个性化Web推荐构成,提出了基于Web挖掘的个性化推荐服务研究中的用户聚类、Web页面聚类、n元预测模型及页面加权算法。利用这些算法得到的个性化信息可以准确把握用户兴趣模式并为用户提供“一对一”的具备自适应性的智能个性化服务。     

基于Web挖掘的个性化远程教学系统的研究与实现

本文介绍了Web挖掘技术及其在个性化远程教学系统中的应用,深入分析并给出了教学模型和学生学习模型的构建方法。实践证明文中提出的方法可有效的提高远程教学系统的教学质量。     

基于Web挖掘的个性化教学推荐系统

针对学生网络学习环境设计了一种新颖的个性化教学推荐系统。该系统通过测试学生的学习风格和挖掘Web浏览日志,构造了不同学生学习风格和Web使用习惯的模型。首先利用Item-Based Top-N推荐算法对数据稀疏的学习风格测量数据进行处理,实现对学生学习风格的诊断;然后,采用AprioriAll算法挖掘Web浏览日志中序列频繁集,分析出学生Web使用的常见习惯和兴趣;最后,依据不同的学习风格和Web使用习惯实现学习内容的个性化推荐。模拟实验表明,该推荐系统的设计是可行并有效的,能够很好地符合用户的真实需求。     

支持个性化推荐的Web页面关联规则挖掘算法

分析了应用于个性化推荐的Web页面关联规则的特点,提出了“壹支持数下k关联规则”的思想,根据这一思想设计、实现了一种应用于个性化推荐的Web页面关联规则挖掘算法——PARM(Pageview Association Rule Mining)及频繁项集的Freq-Set-Tree存储结构,在产生频繁项的同时挖掘关联规则,因而能提高效率。实验证明在个性化推荐系统中PARM算法的效率明显高于FP-Growth算法。     

基于Web挖掘的个性化网络教育研究

介绍了Web挖掘在个性化网络教育中的作用,指出了Web挖掘的基本过程和关键技术,论述了应用Web挖掘进行个性化网络教育的体系结构及其系统实现。     

个性化元搜索引擎AIPMSE的设计与实现

在Web信息急剧膨胀的今天，个性化搜索越来越体现了其应用价值。介绍了一种人工智能个性化元搜索引擎AIPMSE(Artificial Intelligence Persooalizing Meta Search Engine)的设计与实现，描述了该引擎的基本结构和主要实现方法与技术，并给出了其应用实例。     

个性化搜索引擎研究

对搜索引擎个性化服务技术中的用户描述文档、资源描述文档、个性化推荐技术、个性化服务体系结构以及该领域的主要研究成果进行了综述.通过比较现有原型系统的实现方式,详细讨论了实现个性化服务的关键技术.     

基于Web挖掘的个性化远程教育系统研究

针对现在网络远程教育存在的系统教育模式单一问题,通过介绍Web挖掘在远程教育系统中的应用,指出了Web挖掘的基本过程和关键技术,提出了一种基于Web挖掘的个性化远程教育服务系统模型,重点论述了应用Web挖掘进行个性化远程教育服务系统的体系结构及其个性化引擎实现.实践证明基于Web挖掘技术在远程学习系统中的应用提高了学习系统的个性化服务水平,为系统的决策分析提供了智能的辅助手段.     

基于知识库系统的中文智能搜索引擎

随着信息技术的发展和信息量的增长,传统的搜索引擎技术日益不能满足用户信息查询的需要.目前.搜索引擎技术与人工智能(AI)技术的结合已经成为网络信息搜索的关键技术与核心思想.一种基于知识库系统的智能搜索引擎技术已成为当前研究的热点.主要介绍基于知识库系统的中文智能搜索引擎及其实现技术,以及中文智能搜索引擎的主要发展方向.     

基于知识库的启发式智能搜索引擎的设计

为了实现智能化搜索,基于知识库的启发式智能搜索引擎(KHISE)采用基于Web挖掘技术的聚焦爬行器采集信息;使用正则表达式、自然语言理解等技术抽取信息并用向量空间距离测度算法(VSM)对信息进行分类;使用启发式搜索等技术支持信息查询.信息收集、信息处理和信息查询3个模块既相互独立又相互关联.在实验室环境下实现的原型所得到的结果表明,研究设计的基于知识库的启发式智能搜索引擎不但提高了信息处理的效率和效果,还在很大程度上弥补了现有搜索系统的局限性.     

A personalized search engine based on Web‐snippet hierarchical clustering

We propose a (meta‐)search engine, called SnakeT (SNippet Aggregation for Knowledge ExtracTion), which queries more than 18 commodity search engines and offers two complementary views on their returned results. One is the classical flat‐ranked list, the other consists of a hierarchical organization of these results into folders created on‐the‐fly at query time and labeled with intelligible sentences that capture the themes of the results contained in them. Users can browse this hierarchy with various goals: knowledge extraction, query refinement and personalization of search results. In this novel form of personalization, the user is requested to interact with the hierarchy by selecting the folders whose labels (themes) best fit her query needs. SnakeT then personalizes on‐the‐fly the original ranked list by filtering out those results that do not belong to the selected folders. Consequently, this form of personalization is carried out by the users themselves and thus results fully adaptive, privacy preserving, scalable and non‐intrusive for the underlying search engines. We have extensively tested SnakeT and compared it against the best available Web‐snippet clustering engines. SnakeT is efficient and effective, and shows that a mutual reinforcement relationship between ranking and Web‐snippet clustering does exist. In fact, the better the ranking of the underlying search engines, the more relevant the results from which SnakeT distills the hierarchy of labeled folders, and hence the more useful this hierarchy is to the user. Vice versa, the more intelligible the folder hierarchy, the more effective the personalization offered by SnakeT on the ranking of the query results. Copyright © 2007 John Wiley & Sons, Ltd.     

基于Web的个性化搜索引擎的研究

分析了传统搜索引擎系统的缺点.设计了一种个性化搜索引擎的体系架构,提出了一种改进的向量空间模型.该模型利用非线性加权的思想来处理特征权值的计算.最后,给出了一种基于改进的向量空间模型的个性化搜索算法,能够针对不同用户提供不同的检索结果.实验结果表明,该结构和算法能够有效地提高搜索引擎的性能,满足用户的个性化需求.     

个性化高效元搜索引擎的设计与实现

介绍了一个高效的元搜索引擎系统SMS(Smart Meta Searcher),采用检索实例知识库对用户的检索意图进行推理,同时给出一套独特的星级排行评价策略,通过用户行为分析技术为用户提供个性化信息检索服务,以及其在未来搜索引擎个性化、智能化、专业化和多媒体搜索的发展方向所做的探索工作。     

基于Web数据挖掘的个性化搜索引擎的应用和发展趋势(英文)

Web数据挖掘是将数据挖掘技术和理论应用于对www资源进行挖掘的一个新兴的研究领域。论述Web数据挖掘的发展现状、发展趋势以及将来可能的研究方向,并简单介绍个性化搜索引擎的一些情况,论述Web数据挖掘在个性化搜索引擎中的应用。     

基于事务互补的双向挖掘算法

提出一种基于事务互补的双向挖掘算法,其适合挖掘任何长度的频繁项目集;该算法通过二进制的逻辑操作,用自顶向下策略和事务补集方式双向产生频繁候选项,并在计算支持数时用事务特征减少搜索事务数;通过与其他算法相比,实验表明它是快速而有效的。     

一种构建个性化网络购物搜索引擎模型研究*

通过分析在电子商务环境下购物搜索引擎所面临的问题,提出了一种跨网站式的模糊识别多媒体信息购物搜索引擎的模型架构方案,并结合用户个性化的需求进行学习和调整来提高用户的搜索满意度,以提升其购物意愿,进而促进电子商务的发展。运用相关检索指标对该模型进行效能评估,以证明模型的可行性和有效性,并通过分析模型的局限性,提出未来的改进方向。