基于用户兴趣模型的个性化搜索引擎研究与分析-计算机应用技术专业论文.docxVIP

V V HYPERLINK \l _bookmark0 5.6 本章小结37 参考文献错误!未定义书签。38 HYPERLINK \l _bookmark1 致谢 …………………………………………………………………………………………...41 HYPERLINK \l _bookmark2 个人简历 在学期间发表的学术论文与研究成果 42 PAGE PAGE 10 第一章 绪论 搜索引擎作为网络信息查询的主要工具，它从全文检索技术发展过来，经过十多年的 发展，越来越靠近用户的需求。目前，搜索引擎技术已经成为一个热门的研究和开发的热 点方向之一。搜索引擎的出现，联通了 Internet 上绝大部分的信息资源，并为用户提供了信 息导航和信息搜索服务，让大多数用户可以方便地访问有用的资料，已广泛受到用户和开 发商的认可。 1.1 研究背景 随着 Internet 技术的飞速发展，使得信息资源在网络中有一个爆炸性增长的趋势，例如， 在 2005 年，Google 查询的网页数量已到达 60 亿[1]。百度所能搜索的中文网页数量已经超 过 8.0 亿[2]。这么多丰富的知识给我们带来方便的同时，也暴露出一些需要解决的问题。如 何在这样的一个环境中找到我们所需要的知识，并从中提取有价值的知识，已经成为当前 搜索引擎、人工智能、数据挖掘和知识管理等研究领域的重要课题。因此，许多搜索引擎 应运而生。 搜索引擎是以一定的策略在互联网中搜集、发现信息，对信息进行理解、提取、组织 和处理，并为用户提供信息检索服务[3]。由于网络中的信息处理不断更新中，这样使得搜 索引擎已经难以提供高品质，全面和及时更新的信息搜索服务。现在社会已经进入了“数 据爆炸”和“信息丰富，知识贫困”的社会[4]。如何提供优质的搜索结果给用户，已经成 为搜索引擎有关技术的发展之一。 以谷歌和百度为代表的搜索引擎已经被广大用户所熟知。有基于关键字、多功能性、 和通用性等特点。然而，用户对于一个查询请求返回几百万，甚至上千万的 HTML 文档， 用户需要花费大量的时间来查询所需要的信息和有价值的信息，用户也面临着“信息迷失” 和“资源过载“等方面的问题[5]。信息迷失就是用户在复杂的 Internet 网状结构上迷失了方 向。信息超载是由于 Internet 提供的信息广泛、复杂等特点。互联网上的信息太复杂，具有 不稳定性和变化快的特点。因此，用户在面对一个复杂的网络空间，和信息的海洋，用户 经常感到无从下手，不知道应该怎么样获取自己所需要的内容。传统的搜索引擎没有考虑 用户的背景、年龄和性别等方面的信息。不同的用户检索同样的一个关键词返回的都是同 样的结果，这样使得传统搜索引擎不能反映用户的个性化需求。因此，个性化搜索引擎技 术已经成为当前研究的重点之一。 个性化搜索引擎就是针对用户的不同需求时，根据用户背景和其用户群喜好主动为用 户推荐满足用户潜在兴趣的资源。如果 A 是程序员，而 B 是一位喜欢喝咖啡的老人，他们 搜索“Java”关键字。程序员想要找的是关于 Java 方面的程序、书籍、视频之类的，老人 则想要找到是咖啡。对此，我们认为两者的需求不同，而现有的搜索引擎在输入相同关键 字“Java”时，返回的结果是没有区别的。搜索引擎没有判断这些信息是否真的符合用户 所需，没有考虑用户的背景、爱好等属性。 个性化搜索引擎需要建立用户兴趣模型，分析用户爱好。并把用户感兴趣的资源，和 对用户有用的信息提交给用户。它能够自动学习、更新用户兴趣等能力，从而能够为用户 提供个性化服务。在当今这个开放的信息服务市场环境里，用户的需求已经成为搜索引擎 不断发展的动力，各个行业都已“以用户为中心”作为自己的服务理念。 1.2 研究意义 根据第 26 次中国互联网发展状况统计报告，截至 2010 年 6 月底，中国网民规模达到 4.2 亿，突破了 4 亿关口，互联网普及率攀升至 31.8%，较 2009 年底提高 2.9 个百分点。宽 带网民规模为 36381 万，使用电脑上网的群体中宽带普及率已经达到 98.1%。农村网民规 模达到 11508 万，占整体网民的 27.4%，半年增长 7.7%。搜索引擎的应用是用户获取信息 的主要渠道之一，使用率达到 76.3%，并有上升的趋势[6]。 搜索引擎经历了目录式搜索引擎，全文搜索引擎，元搜索引擎三个阶段这三个发展阶 段。 目录式搜索引擎也称为按主题检索搜索引擎，它将信息按照不同的类别分类。用户一 般采用按层浏览目录，从上到下逐步求精的方法来查找合适的信息直到找到具体的信息。 机器人搜索引擎也称为按关键字查询的搜索引擎，首先它利用一个叫 spider 的程序把 Internet 上的网页抓取下来，然后对其数据库中的网页进行查找。元搜