电子商务中基于Hopfield神经网络的货源信息搜索方法

对电子商务环境下货源信息搜索问题进行了分析研究,并以Internet网络为信息源,采用信息检索和人工智能相关技术,提出了基于Hopfield神经网络的货源信息搜索方法.该方法将货源信息的特征保存在Hopfield神经网络的连接权中,根据用户输入的查询词,通过网络的运行,自动生成一组查询扩展词,利用这组查询扩展词在通用搜索引擎中进行扩展搜索,并分析排序搜索结果.此方法扩大了货源搜索范围,提高了搜索精度,为企业提供了有价值的相关货源信息.     

一种自适应旅游信息垂直搜索算法的设计与实现

目的针对百度和360等通用搜索引擎搜索旅游信息速度不够快、不准确和分类不明确的缺点,设计和实现了一个面向游客查找旅游信息的网络爬虫,给出了该网络爬虫所采用的自适应垂直搜索算法.方法基于领域本体,建立相应的知识模型和查询模型,并在基于知识模型和查询模型的基础上设计一个综合查询方法,拓展所需要查询的信息.结果设计了一种自适应旅游信息垂直搜索算法和相应的网络爬虫,并用软件实现了该网络爬虫.用设计的网络爬虫对辽宁省公园、辽宁省儿童公园和辽宁省森林公园进行的搜索,采用自适应算法搜索时,Per(用户搜索百分比)为92%,采用基于网页内容的URL选取算法搜索时,Per为82%.对吉林省旅游景点、吉林省公园和吉林省森林公园进行的搜索,采用自适应算法搜索时,Per为91%,采用基于网页内容的URL选取算法搜索时,Per为80%.与经典的搜索方法相比,搜索结果更准确,分类效果更好.结论所设计的垂直搜索算法对旅游信息的搜索是有效的,在查询的准确率和信息的分类上都有一定的提高和改进.     

Web图像搜索系统中用户交互及反馈系统模型

提出一种用于图像搜索系统的用户交互和反馈模型,采用多模式查询方式满足不同用户的查询需求,加之完全基于用户语义理解的反馈策略,有效提高了系统准确性.作为整个图像搜索系统中直接面向用户的模块,整个交互及反馈系统简单易用、灵活方便,更适用于一般用户的"傻瓜式"查询需求.基于内容的图像搜索系统VAST(Visual ＆ Semantic Image Search)及反馈性能测试充分证明了该交互及反馈系统在Web环境下图像搜索领域的优势.     

基于用户查询意图的搜索排序算法

目前互联网技术的研究热点是智能化的、个性化的服务,而传统的Web搜索排序算法和已有的个性化排序已经不能满足政府、企业等用户的信息查询需要.本文将研究核心定位到充分理解用户查询偏好上,提出了基于用户偏好的PageRank算法.文中利用用户互反馈技术修正查询关键词,利用语义相关性技术分析用户查询意图,理解用户偏好.改进的算法完善了搜索查询的可靠性依据,能够较好地挖掘用户的偏好主题,贴近用户的查询目的,提高搜索查询效率和用户满意度.     

自适应谐振理论网络信息过滤

对遗传算法和ART1分类器在信息过滤中的应用进行了研究与探讨,提出了一种全新算法。利用用户的积极和负面反馈过滤信息,使用ART1网络分类器生成用户的动态配置,并通过遗传算法产生理想的查询。试验结果表明:根据该算法提取的搜索结果,提高了信息过滤的准确率。     

无结构对等网络资源搜索技术研究

资源搜索是对等网络的关键问题之一,非结构化对等网络一般采用泛洪方式作为其基本的搜索策略,而导致较多的网络流量.在泛洪搜索的基础上,提出一种新的搜索方法,该方法使用路由技术,对响应请求的节点信息进行路由索引,以便为后续查询提供路由指导.实验表明该方法可以提高搜索成功率,降低查询消息数量.     

基于Deep Web 的地图搜索系统的研究与实现

针对传统搜索方式和查询界面的不足,提出了基于Deep Web 的地图搜索系统框架,前台采用活动地图与用户进行交互,后台采用领域本体和Deep Web 爬虫进行识别和相关信息的收集。此系统应用于与地理位置相关的主题信息类网站,使用户能够直观便捷地搜索到所需的信息,提出了一种信息搜索的新思路。     

元搜索引擎的个性化

提出一种通过产生用户动态偏好来达到个性化搜索的方法．利用RDF的语义表达能力存储和优化基于访问记录的用户偏好,并采用聚类方法划分用户群,实现对用户偏好的有效管理。给出了元搜索引擎选择算法和搜索结果排序算法,实现了一个个性化的元搜索引擎,实验表明,该搜索引擎提高了查询准确率和使用效率,并能够根据用户及其所在群的历史偏好信息重新组织搜索结果．     

黑龙江信息网信息搜索与信息服务

本文以黑龙江信息网为依托,提出了网站信息搜索方式及服务模式,分析了用户在网上查询信息的方法,并在此基础上提出了网站信息整合服务。     

基于网络资源本体的语义搜索和排位方法

为了正确地理解网络资源概念,精确分析网络信息查询,提出一种基于激活扩散算法的语义搜索方法来提升网络搜索效率。该方法根据网络资源本体中的资源及资源间联系计算其自信息量,然后根据自信息重新扩展了传统的语义搜索和排位方法,从而得到一种新的语义搜索和排位方法。实验结果表明,该方法相比较传统方法,有效的提高了搜索效率。     

一种P2P网络的信息优化检索算法的仿真分析

为了解决P2P网络系统信息检索效率低、不能有效解决跨文本搜索,提出节点兴趣域聚类和信息量声誉激励的P2P网络检索机制。在该机制中,首先对网络系统中节点持有的数据信息量进行基于相似度和兴趣度阈值的兴趣域聚类;然后依据节点数据信息的声誉激励策略对兴趣相邻节点进行兴趣树构造,同时对用户输入的搜索关键字进行语义分析和个性化的辅助语义选择。将与查询信息向量最接近的节点持有信息量返回给用户,并对该数据信息量进行声誉激励评价和更新。实验仿真证明,该算法基于兴趣树的动态构造,能够避免结构化P2P网络系统对中心节点的过度依赖;同时检索的向量是基于用户个性化辅助语义生成的,能够有效地提高查询率和查准率。     

基于多兴趣Agent层次结构的检索系统

为提高基于Agent的信息检索系统在海量的网络信息检索中查询准确率,提出了基于多兴趣Agent层次结构的检索系统模型(IRHOMIA,information retrieval system based on hierarchically organized of multi-interest Agent),模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量,输入到训练过的神经网络并把输出层生成向量中的每个值与给定的阈值进行比较来确定将查询任务分配给其他兴趣Agent或者是拥有相应资源的查询工具.试验表明,IRHOMIA在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的检索系统以及单兴趣Agent检索系统IRHOIA有5%以上的提高.     

基于多兴趣Agent层次结构的检索系统

为提高基于Agent的信息检索系统在海量的网络信息检索中查询准确率,提出了基于多兴趣Agent层次结构的检索系统模型（IRHOMIA,information retrieval system based on hierarchically organizedofmulti-interest Agent）,模型对查询信息进行了兴趣预测并生成了用户兴趣项权重向量,输入到训练过的神经网络并把输出层生成向量中的每个值与给定的阈值进行比较来确定将查询任务分配给其他兴趣Agent或者是拥有相应资源的查询工具。试验表明,IRHOMIA在预测用户兴趣的效果和推荐搜索信息的准确率方面比传统的检索系统以及单兴趣Agent检索系统IRHOIA有5%以上的提高。     

基于用户意图的搜索结果文本突显方法

信息检索效率在很大程度上取决于用户看到的搜索引擎结果页面所提供的内容.目前,红色突显查询词是商业搜索引擎结果页面主要采用的文本展示方式,但由于查询词可能表达模糊或者包含噪音,与用户的查询意图往往不能完全一致.为了能够充分地反映用户的查询意图,同时突显对于满足用户查询意图最重要的词语,基于人工标注的结果提出一种新的关键词突显策略;综合结构化支持向量机、隐马尔科夫、最大间隔马尔科夫网络及条件随机场4种基础的序列标注机器学习模型,进一步提出一种新的联合序列学习模型并进行用户搜索实验.实验结果表明:该种模型优于4种基础模型,与人工标注的结果相比取得了93.30%的准确率;所提出的关键词突显策略明显优于传统的查询词突显策略,提高了用户的满意度及搜索效益.     

文本飘红策略对搜索引擎用户行为的影响

搜索用户根据搜索引擎结果页面的搜索结果来决定他们是否点击特定的网页,其展示形式在用户整个搜索交互过程中起到重要作用。查询词飘红是目前商业搜索引擎结果文本主要采用的展现形式,存在着满篇红和缺乏有用信息的现象,该文旨在提出一种新的飘红策略,从而提高用户的搜索效率。该文基于人工标注的结果提出了3种文本飘红策略,分别是缩减查询词飘红策略、任务级飘红策略和结果级飘红策略,通过实验分析了4种不同的摘要飘红策略对用户搜索行为的影响,结果表明:该文提出的3种文本飘红策略,其性能均优于目前商业引擎采用的查询词飘红策略,通过控制飘红次数、飘红比例和提供有价值的信息,可以对用户搜索行为产生非常积极的影响。     

高校Y一代用户网络信息搜索行为研究

以我国高校Y一代用户为研究对象,介绍了研究背景和意义,阐述了Y一代用户网络信息搜索行为特征,分析了Y一代用户网络信息搜索行为的影响因素,提出了提升Y一代用户网络信息搜索水平的措施.     

WebSifter:个性化网络搜索辅助系统

传统信息检索技术不能很好地满足不同兴趣、不同背景和不同时期用户的查询请求.个性化网络搜索辅助系统WebSifter通过提取用户相关信息对网络搜索结果进行综合、过滤和排序来克服这个问题.系统包括信息采集、行为分析、兴趣集生成、结果生成等模块;利用显性和隐性相结合的方法采集用户兴趣,用线性回归模型分析用户行为;提出了用户兴趣集的多级资源描述模型.它能够动态地抽取用户行为与用户兴趣的关系,并且通过多级资源描述有效地利用用户过去和当前的兴趣来处理搜索结果.     

信息检索中关键技术的研究

随着互联网技术的飞速发展,以及网上信息量的不断增长。有效而又快捷的从这些海量信息中搜索出用户所需要的相关信息已成为一个非常重要的研究课题。对信息检索中查询算法进行改进,提高信息检索的查询速度和准确度,完善传统检索系统的不足等研究,具有重要的理论和实际应用价值。     

DASS：路网上基于交换和合并的用户敏感信息保护方法

近年来,越来越多的移动用户使用基于位置的服务。当用户将查询请求发送给不可信的位置服务器时,由于查询请求中包含用户隐私信息,因而出现了用户隐私泄露问题。现有大部分匿名方法主要针对用户位置和标识符信息的保护,很少有人考虑到用户敏感信息泄露问题。本文主要研究的是基于用户个性化隐私需求,公路网络中敏感信息保护问题。为了防止道路网络中的敏感同质性攻击,提出了一种基于交换和合并的敏感信息保护方法——划分匿名路段集（DASS）,即利用深度优先搜索在图中找出最初路段集,再经过交换、合并操作,寻找满足一定要求的匿名路段集。最后,通过实例分析了算法的可行性。     

如何获取网上信息

随着互联网的发展,人们对网上信息的需求量也越来越大,本文将为读者介绍如何从网上获取所需信息。 一、搜索信息 利用IE的搜索浏览器查找信息 IE(Internet Explorer)的搜索引擎为用户提供了强大的搜索功能。用户可以单击IE浏览器中的“搜索”图标,打开搜索浏览器。 用户如果需要查找网页,单击“查找网页”选项,并在下面的文本框中输入查询条件,也就是用户想搜索