搜索引擎的相關(guān)性排序研究.pdf

1、隨著計算機系統(tǒng)性能的提高和網(wǎng)絡(luò)技術(shù)的不斷進步，萬維網(wǎng)成為全球最大的信息資源庫，如何為如此龐大的信息資源提供高效的導(dǎo)航服務(wù)，幫助用戶在海量的數(shù)據(jù)中快速找到需要的信息是搜索引擎亟待解決的問題。用戶通常只關(guān)心搜索引擎返回的排在前面的結(jié)果，因此對搜索引擎索引的文檔按照與用戶查詢的相關(guān)程度進行排序，將相關(guān)度高的文檔排在前面，即本文研究的搜索引擎的相關(guān)性排序，成為當(dāng)前研究的重點和熱點。
　　 本文的主要研究工作可歸納為以下幾點：
　　

2、 (1)研究了文本搜索引擎的相關(guān)性排序模型，包括布爾模型，向量空間模型，概率模型，超鏈接模型，自學(xué)習(xí)排序模型。其中自學(xué)習(xí)排序模型將機器學(xué)習(xí)方法運用于搜索引擎的相關(guān)性排序問題，解決了以往模型的許多不足之處。
　　 (2)為自學(xué)習(xí)排序模型提出一種構(gòu)造訓(xùn)練集的方法。自學(xué)習(xí)排序是一種有監(jiān)督的機器學(xué)習(xí)方法，模型的性能很大程度上依賴訓(xùn)練集。本文提出一種同時考慮查詢的難度、密度、多樣性的貪心算法，從海量的查詢中選擇有信息量的查詢進行標(biāo)注。實

3、驗表明本文提出的方法能構(gòu)造一個規(guī)模較小且有效的訓(xùn)練集。
　　 (3)研究了圖像重排序算法?，F(xiàn)今的圖像搜索引擎主要利用圖像周圍的文本信息進行排序，沒有考慮圖像視覺信息。圖像重排序是在文本搜索結(jié)果的基礎(chǔ)上，通過挖掘圖像視覺特征的內(nèi)在關(guān)系，對原始搜索結(jié)果進行重新排序，使新的序列更能滿足用戶需求?；诜诸?、基于聚類和基于圖理論是圖像重排序的三類主要方法。
　　 (4)提出一種與查詢相關(guān)的圖像相似性的度量方法。在圖像重排序中如何度