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.     

基于用户兴趣的个性化模型研究

大多数搜索引擎没有考虑到用户的个性和兴趣,大大降低了搜索的准确性。采用Web挖掘技术对存放在Web缓存中的历史页面进行挖掘,获取用户的兴趣信息,使用最优二叉树的形式来表示用户兴趣,利用获取的用户兴趣信息来构建个性化模型,并且利用智能Agent跟踪用户的兴趣变化,不断地对用户兴趣个性化模型进行更新。     

个性化搜索引擎中网页特征描述的研究

为了对用户访问过并感兴趣的网页进行准确描述,分析了对网页特征描述中涉及到的特征抽取范围以及特征词权重计算方法。根据“主题相关词非线性加权的方法”提出了一种改进特征词权重计算的方法,该方法不仅考虑了出现在标题中的特征词的重要性,而且利用非线性函数对特征词出现频率的处理思想,使得权重的计算更加准确。使用改进的特征权重计算方法提高了网页特征描述的准确性,从而提高了用户个性化搜索的效率。