Web搜索的用户兴趣与智能优化研究.pdf

摘要 随着信息技术的飞速发展，互联网信息量正呈爆炸性增长，万维 网已成为一个巨大而复杂的信息空间，人们已从信息缺乏转变为信息 过载。互联网信息具有分散、无序、海量等特点，如何从浩瀚的信息 资源中快速、有效、准确地找到所需信息是一个具有挑战性的研究课 题，Web搜索正成为互联网领域的研究热点和焦点之一。传统的Web 搜索算法注重于Web的链接结构和Web页面等级权重，而忽略了用 户的兴趣行为，导致了部分搜索结果不完整及准确率低。此外，通过 的效率较低，并容易出现一定的分散和泛化现象。针对传统的Web 搜索算法存在的缺点，本文在总结和分析国内外相关研究工作的基础 上，充分结合用户的兴趣行为和相关的智能优化算法来展开研究，主 要研究内容及创新性工作概括如下： (1)综述了有关搜索引擎结构及其工作流程、传统Web搜索算 法设计思路和启发式算法模型的研究成果及方法，为研究Web搜索 算法基础理论的研究者提供参考和借鉴。 (2)在分析现有用户兴趣模型表示方式的基础上，针对Web搜 索的特点，结合用户浏览行为、用户反馈行为、关键词权重以及短期 兴趣和长期兴趣等相关因素，设计了一种基于Web搜索的用户兴趣 模型，为后续研究Web环境下的启发式搜索算法奠定基础。 (3)在充分结合遗传量子算法和克隆选择算法优点的基础上， Genetic Search 提出一种克隆遗传量子搜索算法(Clonal Quantum Markov链理论对其收敛性进行分析。同时，具体分析了该算法的计 算复杂度，实验结果表明CGQSA算法具备良好的稳定性和可扩展性， 其性能明显优于其它的传统Web搜索算法和启发式算法。 (4)结合关键词的链接权重和Web页的链接结构，设计一种评 估Web页平均权重的数学模型，将每个Web页表示成种群中的一个 个体，并用一个适应度函数对其性能进行评估。 (5)在遗传算法的基础上，融入模拟退火算法的思想，提出一 Simulated Search 种遗传模拟退火搜索算法(Genetic Annealing 收敛性进行了具体分析。GSASA算法将遗传算法和模拟退火算法的 优点充分结合起来，并充分考虑Web搜索的实际应用环境，在较大 程度上提高了算法的运行效率和求解质量。仿真实验取得了较理想的 实验结果，从而表明该方法是可行和有效的。 我们所得结果是Web搜索算法理论方面的一些一般性的理论成 果，这些成果对于设计与实现Web搜索算法仍然具有指导意义。更 重要的是，我们所引入的分析手段与方法对于W曲搜索算法的相关 理论研究具有较为广泛的适用性和参考价值。 关键词： Web搜索，链接分析，遗传模拟退火搜索算法，克隆选择 算法，量子遗传算法 ABSTRACT the ofinformation amount Withrapiddevelopment technology,the becomea ofinformationontheIntemetis has rapidly．Web huge growing and informationthelackofinformationhastumed complex space，and is intoinformationoverload．InformationontheInternet disperse，