基于用户行为的智能搜索研究

论文摘要

在互联网飞速发展的环境下,互联网上信息数量的快速增加、信息内容的大量冗余等问题都给网络用户带来了很多困扰,也对搜索引擎服务提出了更高的质量要求。本文对搜索引擎智能化领域中的大量文献资料与研究成果进行了学习,分析比较了主要的分词算法和文档分类算法,提出并设计了一种自适应的个性化搜索引擎系统。该系统基于对用户历史搜索行为及当前反馈的分析学习,提供了对用户查询条件进行扩展和根据用户浏览情况自动调节搜索结果的功能,从而有效的满足用户的查询需求。论文中对系统的总体设计方案及关键技术进行了详细介绍,对各模块的主要功能及实现算法作了详细论述,最后对所开发的系统进行了测试,实验结果表明,能够满足系统的设计目标,具有很好的使用价值和应用前景。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 搜索引擎技术概述
• 1.3 本课题的研究意义
• 1.4 当前的主要研究
• 1.5 工作内容与论文内容安排
• 1.5.1 工作内容
• 1.5.2 论文内容安排
• 第二章 系统的可行性研究
• 2.1 待解决的问题研究
• 2.2 智能技术的研究
• 2.2.1 人工智能技术的主要应用
• 2.2.2 主要面向的研究方向
• 2.3 一些概念的提出
• 2.4 研究中使用的技术
• 2.5 本章小结
• 第三章 系统的总体设计
• 3.1 系统设计原则
• 3.2 需要考虑的问题
• 3.2.1 用户兴趣的学习
• 3.2.2 用户行为的收集研究
• 3.2.3 分词技术的研究
• 3.2.4 文档分类技术的研究
• 3.2.5 个性化服务的研究
• 3.3 系统总体设计
• 3.3.1 系统结构设计
• 3.3.2 流程介绍
• 3.4 层次功能设计
• 3.4.1 层次功能的模块划分
• 3.4.2 人机交互模块
• 3.4.3 提问分析模块
• 3.4.4 兴趣学习模块
• 3.4.5 反馈分析模块
• 3.5 本章小结
• 第四章 系统的详细设计
• 4.1 人机交互模块
• 4.1.1 提问的方式
• 4.1.2 结果的展示
• 4.1.3 评价与修改
• 4.2 用户提问分析
• 4.2.1 用户提问的分词
• 4.2.2 历史查询的分析
• 4.2.3 查询条件的扩展
• 4.2.4 查询条件的修正
• 4.3 用户兴趣的分析
• 4.4 用户反馈的学习
• 4.4.1 用户反馈的内容
• 4.4.2 反馈信息的使用
• 4.4.3 反馈信息的分析
• 4.4.4 基于反馈信息的分类训练
• 4.5 本章小结
• 第五章 实验与数据
• 5.1 系统环境
• 5.1.1 硬件环境
• 5.1.2 软件环境
• 5.2 数据组织
• 5.2.1 用户日志信息的组成
• 5.2.2 反馈信息的组成
• 5.3 研究特点小结
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 工作的总结
• 6.2 进一步展望
• 参考文献
• 致谢
• 在学期间发表的学术论文和参加科研情况